标签：prompt 一元多项式 房价 ima class 4.0 orm text for
1. 导入boston房价数据集
from sklearn.datasets import load_boston boston = load_boston() boston.keys()
导入数据集
boston.data.shape
查看boston的数据形状，结果为
(506, 13)
2. 一元线性回归模型，建立一个变量与房价之间的预测模型，并图形化显示。
data = boston.data x = data[:,5] y = boston.target import matplotlib.pyplot as plt plt.scatter(x,y) plt.plot(x,b*x+w,‘r‘) plt.show()
w=LineR.intercept_
截距
from sklearn.linear_model import LinearRegression LineR = LinearRegression() LineR.fit(x.reshape(-1,1),y) b=LineR.coef_
斜率
3. 多元线性回归模型，建立13个变量与房价之间的预测模型，并检测模型好坏，并图形化显示检查结果。
xx=data[:,12].reshape(-1,1) plt.scatter(xx,y) plt.show()
lrl2 = LinearRegression() lrl2.fit(xx,y) w = lrl2.coef_ b = lrl2.intercept_ plt.scatter(xx,y) plt.plot(xx,w*xx+b,‘r‘) plt.show()
4. 一元多项式回归模型，建立一个变量与房价之间的预测模型，并图形化显示。
from sklearn.preprocessing import PolynomialFeatures p = PolynomialFeatures(degree=2) p.fit(xx) x_poly = p.transform(xx) x_poly
array([[ 1. , 4.98 , 24.8004],
[ 1. , 9.14 , 83.5396],
[ 1. , 4.03 , 16.2409],
...,
[ 1. , 5.64 , 31.8096],
[ 1. , 6.48 , 41.9904],
[ 1. , 7.88 , 62.0944]])
lrp = LinearRegression() lrp.fit(x_poly,y) y_poly = lrp.predict(x_poly) plt.scatter(xx,y) plt.plot(xx,w*xx+b,‘r‘) plt.scatter(xx,y_poly) plt.show() lrp.coef_
标签：prompt 一元多项式 房价 ima class 4.0 orm text for
原文地址：https://www.cnblogs.com/DSJ666/p/10095530.html
