本关任务:你需要调用 sklearn 中的线性回归模型,并通过波斯顿房价数据集中房价的13种属性与目标房价对线性回归模型进行训练。我们会调用你训练好的线性回归模型,来对房价进行预测。
时间: 2024-12-28 12:31:16 浏览: 106
在Python中,你可以使用scikit-learn (sklearn)库来实现线性回归模型。首先,你需要导入所需的库并加载波士顿房价数据集。波士顿房价数据集是一个经典的数据分析示例,包含13个特征变量,如人口密度、犯罪率等,目标变量是每个街区的中位房价。
以下是使用sklearn完成此任务的步骤:
1. 导入必要的模块:
```python
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error
import numpy as np
```
2. 加载波士顿房价数据集:
```python
boston = load_boston()
X = boston.data # 特征数组
y = boston.target # 目标变量
```
3. 划分数据集(训练集和测试集):
```python
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
```
4. 创建并训练线性回归模型:
```python
model = LinearRegression()
model.fit(X_train, y_train)
```
5. 预测房价:
```python
y_pred = model.predict(X_test)
```
6. 评估模型性能(例如计算均方误差):
```python
mse = mean_squared_error(y_test, y_pred)
print(f"Mean Squared Error: {mse}")
```
阅读全文
相关推荐


















