数据准备
将以下数据存储为csv格式便于使用：
数据
所得csv文件如下：
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：
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：
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：
运行结果
