您的位置:网站首页 > 波士顿美食 > 正文

预测波士顿的房价简单的线性回归入门(文末中名单

类别:波士顿美食 日期:2018-7-28 7:46:06 人气: 来源:

  ),算是机器学习里的Hello World. 机器学习还有好多好多算法,监督学习算法里面有两大类,一类是分类,一类是回归!回归更有趣,可以做很多事情比如数据的预测,这个很牛逼啊!今天我们通过对美国波士顿的房价数据,来学习一下最最简单的线性回归算法。

  线性回归一般用来解决连续值变量预测问题,针对的是数值型的样本。用来探索自变量和因变量之间是线性相关关系。今天我们介绍入门级别的简单线性回归算法(也叫一元线性回归),何为简单线性回归呢,说白了就是样本特质只有一个值.

  比如我们有一份房屋面积和价格的数据,很明显自变量(面积)和因变量(房价)是强相关的,房屋的面积为x,房价为y,这里会有一个方程:y=ax+b

  线性回归就是指利用样本(已知数据),产生拟合方程,回归的求解就是求这个回归方程的回归系数。一旦我们得到了这个方程,预测的方法当然十分简单,回归系数乘以输入值再全部相加就得到了预测值。

  既然是要找出一个最佳的拟合线,就是求解线性回归方程,我们喂给机器一堆数据,只要能解析出a和b就可以了!a术语叫斜率,b叫截距.只要我们拿到了a,b就可以画出直线,也就可以预测数据了,下面我们通过一个实例来!

  通过机器学习算法可以对房价进行预测的,今天我们来看一组美国波士顿房价的数据集。这个数据集是sklearn里面的默认数据集,非常有趣,我们直接导入即可.

  最的50万美金的房价的数据点特别密集,构成了一条直线,估计是数据集采集的时候,大于50W都写50W,下面我会处理一下这块数据.

  这个模型的准确率只有74.5%,然后我们得到的13个相关系数,发现相关性最强的是第5个,这个就是RM,也就是房间数.

  另外上次送上留言有近500份的留言,小程序抽中的同学,目前只有一位给我的快递地址,如果到周二(1/16)中午12:00前还是没有跟我联系,我会把机会直接挪给上次留言区的小伙伴.陕西省副省长李金柱

  本文由 325游戏(m.325games.com)整理发布

0
0
0
0
0
0
0
0
下一篇:没有资料

网友评论 ()条 查看

姓名: 验证码: 看不清楚,换一个

推荐文章更多

热门图文更多

最新文章更多

关于联系我们 - 广告服务 - 友情链接 - 网站地图 - 版权声明 - 人才招聘 - 帮助

赞助合作:

声明:网站数据来源于网络转载,不代表站长立场,如果侵犯了你的权益,请联系站长删除。

CopyRight 2010-2016 波士顿旅行网 All Rights Reserved