波士顿房价预测任务（线性回归模型）

「已注销」

于 2020-05-15 16:18:55 发布

阅读量2.9k

点赞数 3

CC 4.0 BY-SA版权

分类专栏： Data Science 文章标签：机器学习 python numpy

本文链接：https://blog.csdn.net/Deep___Learning/article/details/106144105

博主分享了利用13个因素构建波士顿房价预测模型的过程，包括数据介绍、代码实现和预测结果。文章呼吁读者关注并指出可能存在的错误，要求转载时注明出处。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

写在前面： 我是「虐猫人薛定谔i」，一个不满足于现状，有梦想，有追求的00后
$\quad$
本博客主要记录和分享自己毕生所学的知识，欢迎关注，第一时间获取更新。
$\quad$
不忘初心，方得始终。
$\quad$

❤❤❤❤❤❤❤❤❤❤

数据介绍

该数据集统计了13种可能影响房价的因素和该类型房屋的均价，我们期望构建一个基于13个因素进行房价预测的模型。
在这里插入图片描述

代码

import numpy as np
import matplotlib.pyplot as plt


def load_data():
    # 从文件导入数据
    datafile = './res/housing.data'
    data = np.fromfile(datafile, sep=' ')
    feature_names = [
        'CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', 'DIS', 'RAD', 'TAX',
        'PTRATIO', 'B', 'LSTAT', 'MEDV'
    ]
    feature_num = len(feature_names)
    data = data.reshape([data.shape[0] // feature_num, feature_num])
    ratio = 0.8
    offset = int(data.shape