版权声明：引用请注明引用，且附上原文链接 https://blog.csdn.net/weixin_43718084/article/details/90574238

七、（1）线性回归——正规方程、梯度下降、岭回归

重复波士顿房价的线性回归预测流程，结合三种线性回归：正规方程、梯度下降、岭回归。

房价数据集包含十三个特征值和一个目标值。

完整代码如下：

# -*- coding: utf-8 -*-
"""
Created on Sat May 25 19:28:12 2019

@author: sun
"""
from sklearn.datasets import load_boston
from skl
4000
earn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LinearRegression, SGDRegressor,  Ridge
from sklearn.externals import joblib
from sklearn.metrics import mean_squared_error
import pandas as pd

def mylinear():
"""
线性回归直接预测房子价格
:return: None
"""
# 获取数据
titan = pd.read_csv(r"C:\Users\sun\Desktop\论文\算法代码\线性回归\波士顿原数据.csv",engine='python')

# 处理数据，找出特征值和目标值
data = titan[['crim','zn','indus','chas','nox','rm','age','dis','rad','tax','ptratto','b','lstat']]

target = titan['medv']

# 分割数据集到训练集和测试集
x_train, x_test, y_train, y_test = train_test_split(data, target, test_size=0.25)

#print( y_train, y_test)

# 进行标准化处理(?) 目标值处理？
# 特征值和目标值是都必须进行标准化处理, 实例化两个标准化API
std_x = StandardScaler()

x_train = std_x.fit_transform(x_train)
x_test = std_x.transform(x_test)

# 目标值
std_y = StandardScaler()

y_train = std_y.fit_transform(y_train.reshape(-1, 1))
y_test = std_y.transform(y_test.reshape(-1, 1))

# estimator预测
# 正规方程求解方式预测结果
lr = LinearRegression()
lr.fit(x_train, y_train)
print(lr.coef_)

'''
#梯度下降去进行房价预测
sgd = SGDRegressor()
#
sgd.fit(x_train, y_train)
#
#print(sgd.coef_)
'''

'''
# 岭回归去进行房价预测
#rd = Ridge(alpha=1)
#
#rd.fit(x_train, y_train)
#
# print(rd.coef_)
'''
# # 预测测试集的房子价格
y_lr_predict = std_y.inverse_transform(lr.predict(x_test))
#
print("正规方程测试集里面每个房子的预测价格：", y_lr_predict)
#
print("正规方程的均方误差：", mean_squared_error(std_y.inverse_transform(y_test), y_lr_predict))
#
if __name__ == "__main__":
mylinear()

通过划分数据集来预测测试集的房价，通过sklearn的 joblib模块，我们来保存训练好的模型，并载入模型预测自己的数据，只需要把数据以相同的csv格式保存好，将titan改一下即可：

#保存训练好的模型
joblib.dump(rd, "./rd.pkl")

#加载模型，预测自己的数据
model = joblib.load("./rd.pkl")

titan2 = pd.read_csv(r"C:\Users\sun\Desktop\论文\算法代码\线性回归\填入数据预测房价.csv",engine='python')
xx_test= titan2[['crim','zn','indus','chas','nox','rm','age','dis','rad','tax','ptratto','b','lstat']]

xx_test = std_x.transform(xx_test)
yy_predict = std_y.inverse_transform(model.predict(xx_test))
print("保存的模型预测的结果：", yy_predict)

三种模型输出结果与真实值对比：

搞定收工。

“☺☺☺ 若本篇文章对你有一丝丝帮助，请帮顶、评论点赞，谢谢。☺☺☺”

↓↓↓↓