【机器学习】波士顿房价数据集 Python完整代码_波士顿房价预测代码

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns                      #数据可视化库
from sklearn.datasets import load_boston   #导入函数，加载数据集
from sklearn.model_selection import train_test_split#导入函数，划分数据集
from sklearn.linear_model import LinearRegression   #导入类，创建线性回归模型
from sklearn import metrics                         #导入模块，模型评估和性能度量
from sklearn import preprocessing                   #导入模块，用与数据预处理和特征缩放

data = load_boston()#导入数据集
data_pd = pd.DataFrame(data.data,columns=data.feature_names)#将numpy数组转化为pandas数据框
#将 data.target 添加为一个名为 "price" 的新列，并将其存储在数据框 data_pd 中
data_pd['price'] = data.target

# 查看数据类型
data_pd.dtypes.value_counts()#计算每种数据类型的列数
​
#输出：
#1. 数据框中有14列数据类型为“float 64”
#2. 数据框中有一列数据类型为“int 64”

# 查看空值
data_pd.isnull().sum()
#'''
#1. isnull()函数，检查是否有缺失值，返回布尔类型（有缺失值返回“Ture”）
#2. sum()函数，计算缺失值数量（计算布尔类型量）
#'''
 
data_pd.shape         #以元组类型返回数据框行数和列数
 
# 查看数据描述
data_pd.describe()
 
# 显示数据前5行
data_pd.head()
 
 
data_pd.corr()['price']         #计算“price”列与其他列之间的相关系数
 
corr = data_pd.corr()    #计算各列之间的相关系数
corr = corr['price']     
corr[abs(corr)>0.5].sort_values().plot.bar()

# 制作训练集和测试集的数据
data_pd = data_pd[['LSTAT','PTRATIO','RM','price']]   #重新排列数据框
y = np.array(data_pd['price'])                        #将price转化为numpy数组，作为因变量(避免过拟合)
data_pd=data_pd.drop(['price'],axis=1)                #删除price列，更新data_pd
X = np.array(data_pd)                                 #转化为数组，一行对应一个数组，作为特征
# 分割训练集和测试集
train_X,test_X,train_Y,test_Y = train_test_split(X,y,test_size=0.2)
 
# 加载模型
linreg = LinearRegression()
# 拟合数据
linreg.fit(train_X,train_Y)
# 进行预测
y_predict = linreg.predict(test_X)          #预测
# 计算均方差
metrics.mean_squared_error(y_predict,test_Y)#计算均方误差
 
# 导包
from sklearn.linear_model import Lasso,LassoCV,LassoLarsCV
from sklearn.metrics import r2_score      #计算决定系数，反映拟合能力
 
# 重新加载数据
data = load_boston()
X = pd.DataFrame(data.data,columns=data.feature_names)
y = np.array(data.target)
 
# 分割训练集和测试集
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.2,random_state=14)#设置随机种子，保证每次数据集划分相同
 
# 找到Lasso的alapha值
model = LassoCV(cv=20).fit(X, y)
 
# 进行Lasso回归
lasso = Lasso(max_iter=10000, alpha=model.alpha_)
y_pred_lasso = lasso.fit(X_train, y_train).predict(X_test)
 
# 输出Lasso系数
lasso.coef_
 
# 制作训练集和测试集的数据
data = load_boston()#导入数据集
data_pd = pd.DataFrame(data.data,columns=data.feature_names)#将numpy数组转化为pandas数据框
data_pd['price'] = data.target
data_pd = data_pd[['LSTAT','PTRATIO','RM','DIS','price']]
y = np.array(data_pd['price'])
data_pd=data_pd.drop(['price'],axis=1)
X = np.array(data_pd)
train_X,test_X,train_Y,test_Y = train_test_split(X,y,test_size=0.2)
 
# 训练模型，并重新计算均方差
linreg = LinearRegression()
linreg.fit(train_X,train_Y)
y_predict = linreg.predict(test_X)
metrics.mean_squared_error(y_predict,test_Y)