基于回归分析的波士顿房价分析

基于回归分析的波士顿房价分析

项目实现步骤：
1.项目结构
2.处理数据
3.处理绘图
4.对数据进行分析
5.结果展示
一.项目结构

二.处理数据

from sklearn import datasets
import pandas as pd

"""
sklearn1.2版本后不在保留load_boston数据集，
可用
"""
def get_data():
    # 获取波士顿数据
    # data_url = "http://lib.stat.cmu.edu/datasets/boston"
    # raw_df = pd.read_csv(data_url, sep="\s+", skiprows=22, header=None)
    # print(raw_df)
    # # 输入
    # boston_x = np.hstack([raw_df.values[::2, :], raw_df.values[1::2, :2]])
    # # 输出
    # boston_y= raw_df.values[1::2, 2]
    # # 自作数据集
    # boston=pd.DataFrame(boston_x)
    # print(boston)
    boston=datasets.load_boston()
    # 输入
    boston_x=boston.data
    # 输出
    boston_y=boston.target
    # 自制数据集
    boston_new=pd.DataFrame(boston_x)
    boston_new.columns=boston["feature_names"]
    boston_new['PRICE']=boston_y
    # 保存数据
    # boston_new.to_csv('./models/Data/boston.csv')
    return boston_new

使用sklearn的datasets时，对应的波士顿房价数据已经被“移除”，在获取数据时，会出现

，此时，在该提示的下方会有相关的解决方法

不建议使用提供的方法，对应方法的数据与具体实现项目的数据有误差
三.处理绘图
1.绘图前准备

import numpy as np
def get_request(request,data):
    # 要处理的数据
    # 设置初始值
    control={
        'CRIM':'城镇人均犯罪率',
        'ZN':'占地面接超过5万平方米英尺的住宅用地面积',
        'INDUS':'城镇非零售业务的比例',
        'CHAS':'查尔斯河虚拟变量',
        'NOX':'一氧化碳浓度',
        'RM':'平均每个居民拥有的房数',
        'AGE':'在1940年前建成的所有者占用单位的比例',
        'DIS':'与五个波士顿就业中心的加权距离',
        'TAX':'每10000美元的全额物业说率',
        'PTRATIO':'城镇师生比',
        'B':'城镇黑人比例',
        'LSTAT':'低收入人口所占比例',
        'PRICE':'房价'
    }
    if request in control.keys():
        # 获取价格的最大值和最小值
        max=np.max(data['PRICE'])
        min=np.min(data['PRICE'])
        # 存储最大值和最小值，对应的x轴标签，y轴的标签
        request_data=list((max,min,control[request],control['PRICE']))
        return request_data
    else:
        print('你输入的数据不存在，请查看相关的文档，查看你想要的数据类型')

用于处理绘图前的准备工作，获取对应的数据和标签
绘图

import matplotlib
import matplotlib.pyplot as plt
from models.chart.beforedraw import beforedraw
from models.CleanData.resolvedata import resolve_data
# 画图类
class draw:
    def __init__(self,request):
        self.data=resolve_data.get_data()
        matplotlib.rc('font',family='SimHei')
        plt.rcParams['axes.unicode_minus']=False
        before_draw=beforedraw.get_request(request,self.data)
        self.x_ticks_max=before_draw[0]
        self.x_ticks_min=before_draw[1]
        self.x_label=before_draw[2]
        self.y_label=before_draw[3]
        self.request=request
    def draw_sactter(self):
        plt.scatter(self.data['PRICE'],self.data[self.request])
        plt.title(f'{self.x_label}与{self.y_label}的散点图')
        plt.xlabel(self.x_label)
        plt.ylabel(self.y_label)
        plt.xticks((range(int(self.x_ticks_min),int(self.x_ticks_max),10)))
        plt.grid()
        plt.show()
    def draw_polt(self,title,x_data,y_data,x_label=None,y_label=None):
        plt.plot(x_data,y_data)
        plt.title(title)
        plt.xlabel(x_label)
        plt.ylabel(y_label)
        plt.show()
    def draw_bar(self,title,x_data,y_data,x_label=None,y_label=None):
        plt.bar(x_data,y_data)
        plt.title(title)
        plt.xlabel(x_label)
        plt.ylabel(y_label)
        plt.show()

将绘图封装成类，便于后期的绘图
四.对数据进行分析
分别实现房价与各参数的线性回归分析，绘制出房价的预测值；蚕蛹逻辑回归分析，对是否居住在河边进行逻辑回归分析

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
from sklearn.model_selection import train_test_split
from models.CleanData.resolvedata import resolve_data
from models.chart.draw import draw

from sklearn.preprocessing import StandardScaler
from sklearn.impute import SimpleImputer
from sklearn.linear_model import LinearRegression

# 回归/分类模型的评价方法
from sklearn.metrics import mean_squared_error  #MSE
from sklearn.metrics import mean_absolute_error #MAE

# 分类
from sklearn.linear_model import LogisticRegression
class Learning():
    def __init__(self):
        self.data=resolve_data.get_data()
        self.values=self.data.values
        self.columns=self.data.columns
        self.x_train = ''
        self.x_test = ''
        self.y_train = ''
        self.y_test = ''
        self.train_test_split_linear()
        self.draw=draw.draw("ZN")
        self.fill_nan()
        self.log()
    # 切分数据集
    def train_test_split_linear(self):
        self.x_train,self.x_test,self.y_train,self.y_test=train_test_split(self.values[:,0:-1],self.values[:,-1],test_size=0.2)
    # 弥补缺失值
    def fill_nan(self,):
        if sum(self.data.isnull().sum())!=0:
            simple_imp=SimpleImputer(missing_values=np.nan,strategy='mean')
            self.data=simple_imp.fit(self.data)
        self.standard_scaler()
    # 归一化
    def standard_scaler(self):
        scaler=StandardScaler()
        # fit_transform()一般用于训练集，transform一般用于测试集
        self.x_train=scaler.fit_transform(self.x_train)
        self.x_test=scaler.transform(self.x_test)
        self.linear()
    # 线性回归
    def linear(self):
        linear=LinearRegression()
        self.models_1=linear.fit(self.x_train,self.y_train)
        # 对模型进行打分
        # print(self.models.score(self.x_test,self.y_test))
        self.linear_metrics()

    def linear_metrics(self):
        # MSE均方误差
        linear_MSE=mean_squared_error(self.y_train,self.models_1.predict(self.x_train))
        # RMSE均方根误差  MSE的开方
        linear_RMSE=mean_squared_error(self.y_train,self.models_1.predict(self.x_train))**0.5
        # MAE平均绝对误差
        linear_MAE=mean_absolute_error(self.y_train,self.models_1.predict(self.x_train))
        # 误差
        print(f'MSE均方误差:{linear_MSE},RMSE均方根误差{linear_RMSE},MAE平均绝对误差{linear_MAE}')
        # 房价预测值
        self.draw.draw_polt("房价预测值",np.linspace(0,100,102),self.models_1.predict(self.x_test))

    # 分类
    def log(self):
        # 测试集
        x_log_l=self.values[:,0:1]
        x_log_r=self.values[:,4:]
        y_log=self.values[:,3]
        x_log=np.hstack((x_log_l,x_log_r))
        log=LogisticRegression()
        x_train,x_test,y_train,y_test=train_test_split(x_log,y_log,test_size=0.3)
        models_2=log.fit(x_train,y_train)
        # 预测值
        print(x_test,models_2.predict(x_test))
        # 评分
        print(models_2.score(x_test,y_test))
        # 权重
        print(models_2.coef_)
        self.draw.draw_polt("权重图",np.linspace(0.1,0.9,11),models_2.coef_[0],'','')
        one_array=[]
        zero_array=[]
        for item in models_2.predict(x_test):
            if item==0:
                zero_array.append(item)
            else:
                one_array.append(item)
        self.draw.draw_bar("预测值计较",['0','1'],[len(zero_array),len(one_array)])

五.结构展示
线性回归的误差分析结果

线性回归的房价预测

逻辑回归的权重图

逻辑回归的预测图

在逻辑回归中，各阐述对于是否居住于河边的影响大，对应的评分在80%以上

项目完成！！！