使用 scikit-learn进行简单回归分析

使用 scikit-learn(简称 sklearn)进行简单回归分析的教程。这里我们以波士顿房价数据集(Boston House Prices dataset)为例,介绍如何使用线性回归(Linear Regression)模型

环境准备

确保已经安装了 scikit-learn 库,如果没有安装,可以使用 pip 进行安装:

bash 复制代码
pip install scikit-learn

导入库

首先,我们需要导入所需的库。

python 复制代码
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

加载数据集

使用 sklearn 内置的 load_boston 函数来加载波士顿房价数据集。

python 复制代码
# 加载数据集
boston = load_boston()
X = boston.data
y = boston.target

数据预处理

将数据集分为训练集和测试集。

python 复制代码
# 分割数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

创建模型

创建一个线性回归模型的实例。

python 复制代码
# 创建线性回归模型
lr = LinearRegression()

训练模型

使用训练集数据来训练模型。

python 复制代码
# 训练模型
lr.fit(X_train, y_train)

模型评估

使用测试集数据来评估模型的性能。

python 复制代码
# 预测测试集
y_pred = lr.predict(X_test)
# 计算均方误差
mse = mean_squared_error(y_test, y_pred)
print(f"Mean Squared Error: {mse}")

使用模型预测

使用训练好的模型进行预测。

python 复制代码
# 使用模型预测单个数据点的房价
sample = X_test[0].reshape(1, -1)  # 确保形状正确
prediction = lr.predict(sample)
print(f"Predicted House Price: ${prediction[0]}")

可视化

我们可以选择数据集的一个特征来与目标值一起可视化,并展示回归线。

python 复制代码
# 选择一个特征进行可视化
feature_index = 5  # 例如,使用第六个特征(房间数)
# 绘制散点图
plt.scatter(X_train[:, feature_index], y_train, color='blue', label='Training data')
# 绘制回归线
plt.plot(X_train[:, feature_index], lr.predict(X_train), color='red', label='Regression line')
# 设置图表标题和图例
plt.title('Linear Regression on Boston Housing Dataset')
plt.xlabel('Number of rooms (RM)')
plt.ylabel('House price ($1000s)')
plt.legend()
# 显示图表
plt.show()

以上就是一个使用 sklearn 进行线性回归分析的基本流程。在实际应用中,可能需要对数据进行更复杂的预处理,或者尝试不同的模型和参数来优化性能。

相关推荐
深栈10 天前
机器学习:决策树
人工智能·python·决策树·机器学习·sklearn
jie*15 天前
小杰深度学习(four)——神经网络可解释性、欠拟合、过拟合
人工智能·python·深度学习·神经网络·scikit-learn·matplotlib·sklearn
深栈16 天前
机器学习:线性回归
人工智能·pytorch·python·机器学习·线性回归·sklearn
合作小小程序员小小店18 天前
桌面预测类开发,桌面%性别,姓名预测%系统开发,基于python,scikit-learn机器学习算法(sklearn)实现,分类算法,CSV无数据库
python·算法·机器学习·scikit-learn·sklearn
jie*22 天前
小杰机器学习(nine)——支持向量机
人工智能·python·机器学习·支持向量机·回归·聚类·sklearn
jie*24 天前
小杰机器学习高级(two)——极大似然估计、交叉熵损失函数
大数据·人工智能·机器学习·tensorflow·逻辑回归·数据库架构·sklearn
reasonsummer24 天前
【办公类-109-05】20250923插班生圆牌卡片改良01:一人2个圆牌(接送卡&被子卡&床卡&入园卡_word编辑单面)
人工智能·python·sklearn
B站_计算机毕业设计之家24 天前
✅ Python房源数据采集+分析+预测平台 requests爬虫+sklearn回归 大数据实战项目(建议收藏)机器学习(附源码)
大数据·爬虫·python·机器学习·数据采集·sklearn·房源
悟乙己1 个月前
保序回归Isotonic Regression的sklearn实现案例
数据挖掘·回归·sklearn·保序回归
非门由也1 个月前
《sklearn机器学习——数据预处理》类别特征编码
人工智能·机器学习·sklearn