目录

1.概述

2.算法

3.利用sklearn构建线性回归模型

4.线性回归实践 - 波斯顿房价预测

1.概述

2.算法

3.利用sklearn构建线性回归模型

from sklearn.linear_model import LinearRegression

x = [[1], [4], [6], [10], [12]] 
y = [3, 5, 7, 10, 6]


# 1.建立模型并拟合
# 2.赋值给变量lr
#########  Begin #########
Ir=LinearRegression().fit(x,y)

#########  end  ##########


# 1.得到回归模型的k值并赋值给变量k
# 2.得到回归模型的b值并赋值给变量b
#########  Begin #########
k=Ir.coef_[0]
b=Ir.intercept_

#########  end  ##########

print("回归直线方程为：" + "y = {:.3f}".format(k) + "x" + " + " + "{:.3f}".format(b))

4.线性回归实践 - 波斯顿房价预测

#encoding=utf8
#********* Begin *********#

import pandas as pd
from sklearn.linear_model import LinearRegression
 
#读取训练数据
train_data = pd.read_csv('./step3/train_data.csv')
 
#读取训练标签
train_label = pd.read_csv("./step3/train_label.csv")
train_label = train_label["target"]
 
#读取测试数据
test_data = pd.read_csv("./step3/test_data.csv")
lr = LinearRegression()
 
#训练模型
lr.fit(train_data,train_label)
 
#预测标签
predict = lr.predict(test_data)
 
#写入csv
df = pd.DataFrame({"result":predict}) 
df.to_csv("./step3/result.csv", index=False)

#********* End *********#