基于scikit-learn的房價回歸分析

秦培煜 胡艷芬

1.武漢軟件工程職業(yè)學(xué)院； 2.中國地質(zhì)大學(xué)（武漢）

隨著大數(shù)據(jù)和人工智能時代的到來，機器學(xué)習(xí)應(yīng)用的場景越來越多。機器學(xué)習(xí)分為監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)，回歸屬于監(jiān)督學(xué)習(xí)范疇[1]。本文對scikit-learn自帶的房價數(shù)據(jù)進行了回歸分析。

一、回歸分析過程

（一）房價數(shù)據(jù)加載

數(shù)據(jù)使用scikit-learn自帶的boston房價數(shù)據(jù)，使用load_boston函數(shù)加載。

import numpy as np

from sklearn.datasets import load_boston

house = load_boston()

首先導(dǎo)入numpy和sklearn.datasets中l(wèi)oad_boston函數(shù)，使用 load_boston加載boston房價數(shù)據(jù)，其中house.data是特征數(shù)據(jù)，house.target是標簽數(shù)據(jù)。

（二）數(shù)據(jù)標準化

from sklearn.preprocessing import StandardScaler

stdHouse = StandardScaler().fit_transform(house.data)

特征數(shù)據(jù)中有些特征量綱比較大，有些特征量綱比較小，如果放在一起使用，會對最終分析結(jié)果產(chǎn)生不好影響。這里使用sklearn.preprocessing里的StandardScaler對房價數(shù)據(jù)進行標準化。house是標準化前的數(shù)據(jù)，stdHouse是標準化后的數(shù)據(jù)。

（三）數(shù)據(jù)劃分

from sklearn.model_selection import train_test_split

data_train,data_test,target_train,target_test = train_test_split(stdHouse,house.target,random_state=100)

這里使用sklearn.model_selection里train_test_split對數(shù)據(jù)進行劃分。默認數(shù)據(jù)的75%劃分為訓(xùn)練集，25%劃分為測試集。

（四）回歸模型選用

from sklearn.linear_model import LinearRegression

linReg = LinearRegression().fit(data_train,target_train)

pred = linReg.predict(data_test)

使用sklearn.linear_model里的LinearRegression模型對數(shù)據(jù)進行訓(xùn)練和預(yù)測。得到的pred是預(yù)測數(shù)據(jù)。

（五）均方誤差評價指標

from sklearn.metrics import mean_squared_error

mean_squared_error(target_test,pred)

mean_squared_error是均方誤差指標，最后得到真實值target_test和預(yù)測值之間的均方誤差為27.18。

二、結(jié)論

本文用scikit-learn,對boston房價數(shù)據(jù)進行了回歸分析。首先加載房價數(shù)據(jù)；其次對數(shù)據(jù)進行標準化；然后將數(shù)據(jù)劃分成訓(xùn)練集和測試集，并用線性回歸模型對訓(xùn)練集進行訓(xùn)練，對測試集進行預(yù)測；最后用均方誤差指標對真實值和預(yù)測值進行評價。整個過程對于回歸分析有著重要的指導(dǎo)作用。