1. 导入boston房价数据集

2. 一元线性回归模型，建立一个变量与房价之间的预测模型，并图形化显示。

3. 多元线性回归模型，建立13个变量与房价之间的预测模型，并检测模型好坏，并图形化显示检查结果。

4.  一元多项式回归模型，建立一个变量与房价之间的预测模型，并图形化显示。

 

1 from sklearn.datasets import load_boston 2 import matplotlib.pyplot as plt 3 from sklearn.linear_model import LinearRegression 4 from sklearn.preprocessing import PolynomialFeatures 5  6 def yiyuan(data,x,y): 7     '''一元模型并画图''' 8     plt.scatter(x, y) 9     plt.plot(x, 9 * x - 30)10     plt.show()11 12 def duoyuan(data,x,y):13     LineR = LinearRegression()14     LineR.fit(x.reshape(-1, 1), y)15     lr = LinearRegression()16     lr.fit(data, y)17     lr.coef_  #斜率18     w = lr.coef_19     lr.intercept_#截距20     b = lr.intercept_21     y_pred = LineR.predict(x)22     return y_pred23 24 25 def duoxiangsi():26     poly = PolynomialFeatures(degree=2)27     x_poly = poly.fit_transform(x)28     lp = LinearRegression()  # G构建模型29     lp.fit(x_poly, y)30     y_poly_pred = lp.predict(x_poly)31 32     plt.scatter(x, y)33     plt.plot(x, y_poly_pred, 'r')34     plt.show()35 36     lrp = LinearRegression()37     lrp.fit(x_poly, y)38     plt.scatter(x, y)39     plt.scatter(x, y_pred)40     plt.scatter(x, y_poly_pred)  # 多项回归41     plt.show()42 43 44 45 46 47 48 if __name__ == '__main__':49     boston = load_boston()50     boston.keys()51     data = boston.data52     x = data[:, 5]53     y = boston.target54     y_pred = yiyuan(boston,x,y)55     duoxiangsi()