一.案例简介

通过sklearn中的波士顿房价数据，实现对于数据读取、数据处理、模型训练，从而加强对于线性回归的认识。

二.代码详解

1.导包

# from sklearn.datasets import load_boston                # 数据   目前这个数据已经不可使用，更换方式已经给出
from sklearn.preprocessing import StandardScaler        # 特征处理
from sklearn.model_selection import train_test_split    # 数据集划分
from sklearn.linear_model import LinearRegression       # 正规方程的回归模型
from sklearn.linear_model import SGDRegressor           # 梯度下降的回归模型
from sklearn.metrics import mean_squared_error, root_mean_squared_error, mean_absolute_error  # 均方误差评估

from sklearn.linear_model import Ridge, RidgeCV


import pandas as pd
import numpy as np

2.数据读取

#1.加载波士顿房价数据集
data_url = "http://lib.stat.cmu.edu/datasets/boston"
raw_df = pd.read_csv(data_url, sep="\s+", skiprows=22, header=None)
data = np.hstack([raw_df.values[::2, :], raw_df.values[1::2, :2]])  #hstack（）函数的作用：水平拼接数组
target = raw_df.values[1::2, 2]
print(f'特征：{data.shape}')
print(f'标签：{target.shape}')

print(f'特征数据：{data[:5]}')
print(f'标签数据：{target[:5]}')

注意：由于一些原因，原sklearn中的数据不可直接使用，但是根据报错提示其他方式获取数据

3.数据预处理

#2.数据的预处理。切分训练集和测试集
#参1：特征数据     参2：标签     参3：测试集和训练集的比例      参4：随机种子
x_train, x_test, y_train, y_test = train_test_split(data, target, test_size=0.2, random_state=23)

#3特征工程
#3.1创建标准化对象
transfer = StandardScaler()
#3.2对数据进行标准化
x_train = transfer.fit_transform(x_train)
x_test = transfer.transform(x_test)

4.模型训练

#4. 模型训练
#4.1创建 线性回归 正规方程 模型对象
estimator = LinearRegression(fit_intercept=True)    #fit_intercept：是否需要截距（偏执）默认时True
#4.2 模型选练
estimator.fit(x_train,y_train)
#4.3 打印模型计算出的w  和  b
print(f'权重：{estimator.coef_}')
print(f'偏执：{estimator.intercept_}')

5.模型预测以及评估

#5.模型预测
y_pre = estimator.predict(x_test)
print(f'预测结果为:{y_pre}')


#6.模型评估
#参1：测试集的标签数据        参2：预测结果
print(f'均方误差为：{mean_squared_error(y_test, y_pre)}')         #MSE: 均方误差
print(f'均方根误差为：{root_mean_squared_error(y_test, y_pre)}')    #RMES
print(f'平均绝对误差误差为：{mean_absolute_error(y_test, y_pre)}')        #MAE

6.完整代码

# from sklearn.datasets import load_boston                # 数据   目前这个数据已经不可使用，更换方式已经给出
from sklearn.preprocessing import StandardScaler        # 特征处理
from sklearn.model_selection import train_test_split    # 数据集划分
from sklearn.linear_model import LinearRegression       # 正规方程的回归模型
from sklearn.linear_model import SGDRegressor           # 梯度下降的回归模型
from sklearn.metrics import mean_squared_error, root_mean_squared_error, mean_absolute_error  # 均方误差评估

from sklearn.linear_model import Ridge, RidgeCV


import pandas as pd
import numpy as np


#1.加载波士顿房价数据集
data_url = "http://lib.stat.cmu.edu/datasets/boston"
raw_df = pd.read_csv(data_url, sep="\s+", skiprows=22, header=None)
data = np.hstack([raw_df.values[::2, :], raw_df.values[1::2, :2]])  #hstack（）函数的作用：水平拼接数组
target = raw_df.values[1::2, 2]
print(f'特征：{data.shape}')
print(f'标签：{target.shape}')

print(f'特征数据：{data[:5]}')
print(f'标签数据：{target[:5]}')

#2.数据的预处理。切分训练集和测试集
#参1：特征数据     参2：标签     参3：测试集和训练集的比例      参4：随机种子
x_train, x_test, y_train, y_test = train_test_split(data, target, test_size=0.2, random_state=23)

#3特征工程
#3.1创建标准化对象
transfer = StandardScaler()
#3.2对数据进行标准化
x_train = transfer.fit_transform(x_train)
x_test = transfer.transform(x_test)

#4. 模型训练
#4.1创建 线性回归 正规方程 模型对象
estimator = LinearRegression(fit_intercept=True)    #fit_intercept：是否需要截距（偏执）默认时True
#4.2 模型选练
estimator.fit(x_train,y_train)
#4.3 打印模型计算出的w  和  b
print(f'权重：{estimator.coef_}')
print(f'偏执：{estimator.intercept_}')


#5.模型预测
y_pre = estimator.predict(x_test)
print(f'预测结果为:{y_pre}')


#6.模型评估
#参1：测试集的标签数据        参2：预测结果
print(f'均方误差为：{mean_squared_error(y_test, y_pre)}')         #MSE: 均方误差
print(f'均方根误差为：{root_mean_squared_error(y_test, y_pre)}')    #RMES
print(f'平均绝对误差误差为：{mean_absolute_error(y_test, y_pre)}')        #MAE

最终效果展示

三.总结

通过波士顿房价预测案例，学习了线性回归相关API的调用，加强了对于线性回归的认识