线性回归：波士顿房价（利用现成函数）

机器学习 线性回归：波士顿房价
利用python库函数

python代码：

from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn import metrics
import matplotlib.pyplot as plt
import numpy as np

 

# (1)导入数据
boston = load_boston()

 

# (2)分割数据
X_train, X_test, y_train, y_test = train_test_split(boston.data, boston.target, test_size=0.3, random_state=0)

 

# (3)导入线性回归模型并训练模型
model = LinearRegression()
model.fit(X_train, y_train)

LinearRegression(copy_X=True, fit_intercept=True, n_jobs=None, normalize=False)

 

# (4)在测试集上预测
y_pred = model.predict(X_test)
# (5)评估模型
mse = metrics.mean_squared_error(y_test, y_pred)
print("MSE = ", mse)  # 性能评估：模型的均方差

MSE =  27.195965766883408

 

# (6)绘制预测结果 散装图，X轴表示真实值，Y轴表示预测值
plt.scatter(y_test, y_pred)
plt.xlabel("True Price: $Y_i$")
plt.ylabel("Predicted prices: $\hat{Y}_i$")
plt.title("True Prices vs Predicted prices: $Y_i$ vs $\hat{Y}_i$")
#绘制一条预测与真实结果一致的曲线，y=x，
# 如果预测房价和实际房价一致的话，那么所有的数据点都应该汇集在 y=x 这条线上，但这并不是现实，于是可以看到，除了少数点，大部分点散落在 y=x 附近，大趋势说明预测的结果还不错。
#请补充y=x代码
x=np.arange(0,50,1)
y=x
plt.plot(x,y,linewidth = '5',color='#FF0000')
plt.show()