使用线性回归模型预测房价

简介: 使用线性回归模型预测房价

数据准备

将以下数据存储为csv格式便于使用:


QQ图片20220531172357.png


                                                           数据


所得csv文件如下:

                            QQ图片20220531172400.png


                                                      csv文件


一元线性回归预测


使用pandas来读取csv文件并且导入sklearn包中的线性模型。具体代码如下:


import pandas as pd  # 读取csv文件
from sklearn import linear_model  # 线性模型
data = pd.read_csv('PriceData.csv')
regr = linear_model.LinearRegression()  # 线性回归模型
regr.fit(data.square_feet.values.reshape(-1, 1), data.price)
print(regr.predict([[1000]]))  # 预测面积为1000时的房价


代码运行输出如下:

                         QQ图片20220531172402.png


                                                     运行结果


多元线性回归预测


为数据加入两项新的特征地段和新旧,数据集csv文件内容如下:


                   QQ图片20220531172404.png

                                                         csv文件


具体实现代码如下:

import pandas as pd  # 读取csv文件
from sklearn import linear_model  # 线性模型
data = pd.read_csv('PriceData.csv')
trainData = data.iloc[:, 1:4]  # 取读取数据的2、3、4列作为训练数据,每条训练数据都有三个特征
trainLabel = data.price
regr = linear_model.LinearRegression()
regr.fit(trainData, trainLabel)
print(regr.predict([[1200, 720, 700]]))  # 预测特征为[[1200, 720, 700]]时的房价


代码运行输出如下:

                      QQ图片20220531172406.png


                                                    运行结果


相关文章
|
6月前
|
算法 Python
线性回归-最小二乘法入门(波士顿房价)
线性回归-最小二乘法入门(波士顿房价)
135 0
|
6月前
|
机器学习/深度学习 vr&ar Python
R语言用logistic逻辑回归和AFRIMA、ARIMA时间序列模型预测世界人口
R语言用logistic逻辑回归和AFRIMA、ARIMA时间序列模型预测世界人口
|
6月前
|
机器学习/深度学习 vr&ar Python
数据分享|R语言用logistic逻辑回归和AFRIMA、ARIMA时间序列模型预测世界人口
数据分享|R语言用logistic逻辑回归和AFRIMA、ARIMA时间序列模型预测世界人口
|
6月前
R方和线性回归拟合优度
R方和线性回归拟合优度
|
6月前
|
机器学习/深度学习 供应链 算法
基于ARIMA、SVM、随机森林销售的时间序列预测
基于ARIMA、SVM、随机森林销售的时间序列预测
|
6月前
|
机器学习/深度学习 数据采集 算法
R语言逻辑回归、GAM、LDA、KNN、PCA主成分分析分类预测房价及交叉验证|数据分享
R语言逻辑回归、GAM、LDA、KNN、PCA主成分分析分类预测房价及交叉验证|数据分享
|
机器学习/深度学习 数据挖掘
knn 线性回归 决策树房价预测实战
knn 线性回归 决策树房价预测实战
84 0
|
数据采集 知识图谱
4-1预测与回归
4-1预测与回归
123 0
4-1预测与回归
|
机器学习/深度学习
基于SVM-支持向量机解决波士顿房价预测回归问题
基于SVM-支持向量机解决波士顿房价预测回归问题
413 0
基于SVM-支持向量机解决波士顿房价预测回归问题
|
算法 数据挖掘 Python
线性回归实战【房价预测】(一)
本文属于 线性回归算法【AIoT阶段三】(尚未更新),这里截取自其中一段内容,方便读者理解和根据需求快速阅读。本文通过公式推导+代码两个方面同时进行,因为涉及到代码的编译运行,如果你没有NumPy,Pandas,Matplotlib的基础,建议先修文章:数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)
329 0
线性回归实战【房价预测】(一)