线性回归---波士顿房价数据集（改）_题目:利用回归算法,对波士顿的历史房价数据及其相关的属性信息进行回归分析。

这里我们用到了特征筛，为什么要进行特征进行选择？
在一个数据集中，我们需要找出对因变量影响显著的变量，对于显著性较低的我们进行剔除，留下显著性高的特征把它们加入模型，从而使我们的模型复杂度更低，更加的简洁，准确。

这篇文章使用反向淘汰的方法来进行此项工作

反向淘汰步骤：

• 确定我们用来衡量显著性的一个阈值（决定取舍），这里我们取0.05
• 将所有的特征ALL IN到模型进行训练
• 计算出每个特征的P_value
• 将P_value最高的且高于显著水平的阈值的特征从模型训练中剔除
• 利用剩下的特征进行新一轮的拟合，如果存在P_value大于阈值，则返回4步，直到所有特征的P_value小于设定的阈值

关于P_value：
- p值是指在一个概率模型中，统计摘要（如两组样本均值差）与实际观测数据相同，或甚至更大这一事件发生的概率。换言之，是检验假设零假设成立或表现更严重的可能性。p值若与选定显著性水平（0.05或0.01）相比更小，则零假设会被否定而不可接受。然而这并不直接表明原假设正确。p值是一个服从正态分布的随机变量，在实际使用中因样本等各种因素存在不确定性。产生的结果可能会带来争议。
- 零假设（null hypothesis），统计学术语，又称原假设，指进行统计检验时预先建立的假设。 零假设成立时，有关统计量应服从已知的某种概率分布。
当统计量的计算值落入否定域时，可知发生了小概率事件，应否定原假设。

数据集说明：

CRIM：城镇人均犯罪率。
ZN：住宅用地超过 25000 sq.ft. 的比例。
INDUS：城镇非零售商用土地的比例。
CHAS：查理斯河空变量（如果边界是河流，则为1；否则为0）。
NOX：一氧化氮浓度。
RM：住宅平均房间数。
AGE：1940 年之前建成的自用房屋比例。
DIS：到波士顿五个中心区域的加权距离。
RAD：辐射性公路的接近指数。
TAX：每 10000 美元的全值财产税率。
PTRATIO：城镇师生比例。
B：1000（Bk-0.63）^ 2，其中 Bk 指代城镇中黑人的比例。
LSTAT：人口中地位低下者的比例。
MEDV：自住房的平均房价，以千美元计。

#导入用到的库
import sklearn.datasets as datasets
import pandas as pd
import numpy as np
#载入数据集
Boston = datasets.load_boston()
# print(B
1
2
3
4
5
6
7