【Python数据分析】房价预测:使用线性回归模型预测波士顿房价

博客主页:小馒头学python

本文专栏: Python爬虫五十个小案例

专栏简介:分享五十个Python爬虫小案例

📝引言

📝房价预测的意义

房价预测对于房地产行业、投资者和政策制定者来说具有重要意义。通过对房价进行准确预测,投资者可以做出更明智的决策,而政策制定者可以更好地理解市场变化,制定相关政策。本博客将使用波士顿房价数据集,通过线性回归模型来预测房价。

📝波士顿房价数据集简介

波士顿房价数据集是一个经典的机器学习数据集,包含了506个样本和13个特征,特征描述了不同的房屋属性和区域特征,目标变量为房屋的中位数房价(以千美元计)。我们将使用这些特征来预测房价。

特征包括:

  • CRIM: 城区犯罪率
  • ZN: 住宅用地比例
  • INDUS: 非零售商业用地比例
  • CHAS: 是否位于查尔斯河旁(1 = 是,0 = 否)
  • NOX: 氮氧化物浓度
  • RM: 每栋住宅的平均房间数
  • AGE: 建造年代
  • DIS: 到就业中心的加权距离
  • RAD: 公路接入指数
  • TAX: 房产税率
  • PTRATIO: 学生与教师比例
  • B: 城市区域内黑人的比例
  • LSTAT: 低收入人群比例

📝线性回归模型简介

线性回归是一种预测模型,它通过线性关系将自变量与因变量连接起来。我们的目标是根据不同特征(如犯罪率、房屋平均房间数等)预测房价。线性回归模型会拟合一个线性方程,通过最小化预测值与真实值之间的误差,来找到最优的回归系数。

📝数据加载与预处理

📝数据集介绍

首先,我们加载波士顿房价数据集,并查看数据的基本情况。

import pandas as pd
from sklearn.datasets import load_boston

# 加载波士顿房价数据集
boston = load_boston()

# 将数据转化为DataFrame格式
df = pd.DataFrame(boston.data, columns=boston.feature_names)

# 添加目标变量
df['PRICE'] = boston.target

# 查看前几行数据
print(df.head())

📝数据清洗与预处理

检查数据中是否有缺失值,并进行处理。如果存在缺失值,可以选择删除缺失数据或进行填充。

# 检查缺失值
print(df.isnull().sum())

# 在本例中,波士顿数据集没有缺失值,若有缺失值可以使用填充或删除策略

📝特征工程

📝选择特征

在本例中,我们将使用数据集中的所有特征来训练模型,即将所有列作为输入特征,PRICE 列作为目标变量。

# 选择特征和目标变量
X = df.drop(columns='PRICE')  # 输入特征
y = df['PRICE']  # 目标变量

📝数据标准化

因为特征的尺度不同(例如,CRIM为犯罪率,而TAX为税率),我们需要对特征进行标准化处理,使得每个特征具有相同的尺度。这样有助于提升模型的训练效果。

from sklearn.preprocessing import StandardScaler

# 标准化特征
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

📝构建线性回归模型

📝线性回归算法原理

线性回归试图通过以下公式来拟合数据:

📝模型训练

使用sklearn中的LinearRegression来训练模型

from sklearn.linear_model import LinearRegression

# 创建线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X_scaled, y)

# 查看模型的截距和系数
print(f'截距: {model.intercept_}')
print(f'系数: {model.coef_}')

📝模型评估

📝使用均方误差(MSE)和决定系数(R²)评估模型

模型训练后,我们可以使用均方误差(MSE)和R²评分来评估模型的表现。MSE衡量预测结果和真实结果之间的差异,R²评分表示模型对数据方差的解释程度。

from sklearn.metrics import mean_squared_error, r2_score

# 使用模型进行预测
y_pred = model.predict(X_scaled)

# 计算均方误差(MSE)
mse = mean_squared_error(y, y_pred)
print(f'Mean Squared Error (MSE): {mse}')

# 计算R²得分
r2 = r2_score(y, y_pred)
print(f'R² Score: {r2}')

部分案例示意图如下:

  • 均方误差(MSE):这是一个衡量模型预测准确度的指标。它计算了模型预测值与实际值之间差异的平方的平均值。MSE越小,表示模型预测的越准确。在您的例子中,MSE是21.89,意味着平均来说,预测的房价与实际房价相差21.89千美元。

  • 决定系数(R² Score):这是一个衡量模型好坏的指标,它的值在0到1之间。R²值越接近1,表示模型对数据的解释能力越强,也就是说模型预测的越准确。在您的例子中,R²值是0.7406,这意味着模型可以解释房价变化的74.06%,这是一个相对较高的值,表明模型的预测效果不错。

  • 截距和系数:

    • 截距:这是当所有特征都为0时,模型预测的房价。在您的例子中,截距是22.53千美元。
    • 系数:这些数字表示每个特征对房价的影响。正系数意味着特征值增加时,房价预测值也会增加;负系数则表示特征值增加时,房价预测值会减少。

📝模型调优

如果模型表现不佳,可以尝试以下调优方法:

  • 选择不同的特征:去掉冗余或不相关的特征。
  • 尝试不同的模型:例如使用岭回归(Ridge)或Lasso回归来改进线性回归模型。

📝总结

📝模型表现总结

通过线性回归模型,我们成功地预测了波士顿的房价,并使用MSE和R²评分对模型进行了评估。虽然线性回归是一个基础模型,但它在许多实际问题中都能提供一个不错的基准。如果感兴趣的小伙伴可以自行尝试其他的数据集进行数据分析~

📝未来改进方向

  • 采用更多先进的模型,如随机森林、梯度提升树(GBDT)等。
  • 针对数据进行更多的特征工程处理,例如特征选择、特征交叉等。
  • 尝试更多的数据集进行模型验证,以提高模型的泛化能力。

若感兴趣可以访问并订阅我的专栏:Python数据分析五十个小案例:https://blog.csdn.net/null18/category_12840404.html?fromshare=blogcolumn&sharetype=blogcolumn&sharerId=12840404&sharerefer=PC&sharesource=null18&sharefrom=from_link

相关推荐
觅远21 分钟前
python实现word转html
python·html·word
悠然的笔记本1 小时前
python2和python3的区别
python
西猫雷婶1 小时前
python学opencv|读取图像(十六)修改HSV图像HSV值
开发语言·python·opencv
lovelin+v175030409661 小时前
智能电商:API接口如何驱动自动化与智能化转型
大数据·人工智能·爬虫·python
赵谨言2 小时前
基于python+django的外卖点餐系统
经验分享·python·毕业设计
qingyunliushuiyu2 小时前
企业为何需要可视化数据分析系统
数据挖掘·数据分析·数据采集·数据可视化·数据分析系统
孤独的履行者2 小时前
入门靶机:DC-1的渗透测试
数据库·python·网络安全
CodeClimb2 小时前
【华为OD-E卷-最左侧冗余覆盖子串 100分(python、java、c++、js、c)】
java·python·华为od
深度学习lover2 小时前
<项目代码>YOLO Visdrone航拍目标识别<目标检测>
python·yolo·目标检测·计算机视觉·visdrone航拍目标识别
澂玙2 小时前
材料性质预测、分子生成、分类等研究方向的大语言模型构建与应用
python