标签:构建 tps 梯度 nbsp linear values read on() bsp
1.本节重点知识点用自己的话总结出来,可以配上图片,以及说明该知识点的重要性
(1)思维导图
(2)回归算法
(3)梯度下降
(4)损失函数
2.思考线性回归算法可以用来做什么?
可以处理回归问题:例如房价预测,温度预测等
也可以处理分类问题:例如天气预测等
3.自主编写线性回归算法 ,数据可以自己造,或者从网上获取
线性回归模型通过面积预测租房价格
import pandas as pd
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt
df = pd.read_csv(‘./201706120024陈圳锐(处理后).csv‘,encoding="utf-8")#读取文件
plt.rcParams[‘font.sans-serif‘] = ‘SimHei‘# 设置中文显示
#散点图
plt.figure(figsize=(12,8)) #设置画布
x = df[[‘面积‘]].values
y = df[‘租金‘].values
plt.scatter(x,y,color="green",s=5.0)#散点模型
plt.title("广州房屋面积对广州二手房价的影响")
#构建线性模型模型
LR_model=LinearRegression()
LR_model.fit(x,y)
#绘制线性方程
plt.plot(x, LR_model.predict(x),color="blue")
plt.xlabel(‘面积(单位:平米)‘)#X轴
plt.ylabel(‘租金(元)‘)#Y轴
plt.title(‘面积对租房价格的影响‘)
plt.show()
预测后模型结果
原数据
标签:构建 tps 梯度 nbsp linear values read on() bsp
原文地址:https://www.cnblogs.com/renshenbenzuig/p/12752514.html