基于sklearn的波士顿房价预测_线性回归学习笔记

> 　以下内容是我在学习https://blog.csdn.net/mingxiaod/article/details/85938251 教程时遇到不懂的问题自己查询并理解的笔记，由于sklearn版本更迭改动了原作者的代码，如有理解偏差欢迎指正。

　1. np.linspace　　

　　　　np.linspace(1,10) 在numpy中生成一个等差数列，可以加三个参数，np.linspace（1，10，10）在是两个参数时默认生成五十个数字的等差数列，第一第二哥数字分别代表数列的开头和结尾，如果是三哥参数，第三个参数代表等差数列的长度，既可以生成一个长度为10数字开头为1结尾为10的等差数列（1，2，3，4，5，6，7，8，9，10）

　　2. plt.subplot(nrows, ncols, index, **kwargs)

　　　　plt.subploy(2,3,5)这个代码的核心意思就是使用”整数来描述子图的位置信息“，顾名思义就是在一个画布中画多个图片，第一个参数nrows代表你把画布分为多少行，ncols代表你把画布分为多少列，index就更好理解了，它的意思就是接下来要画的图的索引位置，比如（2，3，5）他代表的意思就是把一张空白的画布分为两行，三列。六个位置区域，第三个索引参数一般就是从左上角开始到右下角依次编号（如下图），我查阅资料的时候有的博主强行机器翻译官方文档，并注明第三个参数不能大于10,其实不然，官方的意思是index<= nrows*ncols，也就是索引数字不能大于已有的画布分割数量。还有就是（2，3，5）与（235）效果等同，至于第三个参数**kwargs，作用是设置子图类型，极点图或线型图。

　　3.np.delete(x_data,abnormal_data,axis = 0)

　　　　第一个参数代表要处理的数据矩阵，第二个参数代表在什么位置处理（一般为一维数组），第三个参数 0 代表删除所在列，1代表删除所在行。

 1 from sklearn import preprocessing
 2 from sklearn.datasets import load_boston
 3 from sklearn.metrics import r2_score
 4 from sklearn.linear_model import LinearRegression
 5 from sklearn.model_selection import train_test_split
 6 import matplotlib.pyplot as plt
 7 import numpy as np
 8
 9 #数据初始化
10 dataset = load_boston()
11 x_data,y_data=load_boston(return_X_y = True) #导入数据，x_data为特征变量、y_data为目标值
12 print("--------------'''获取自变量数据的形状'''--------------")
13 print(x_data.shape)
14 print(y_data.shape)
15 name_data = dataset.feature_names #导入特证名
16
17 #数据可视化
18 for i in range(len(name_data)):
19     plt.scatter(x_data[:,i],y_data,s = 20,marker = '<',c = 'r')
20     plt.title(name_data[i])
21     plt.show()
22 #处理异常数据
23 abnormal_data = []
24 for i in range(len(y_data)):
25     if y_data[i] == 50:
26         abnormal_data.append(i)#存储异常值的下标；
27 x_data = np.delete(x_data,abnormal_data,axis = 0)#删除值为y值为50的特征变量所在行
28 y_data = np.delete(y_data,abnormal_data,axis = 0)#删除值为y值为50的特征值所在行
29 print("------检测-------")
30 print(x_data.shape)
31 print(y_data.shape)
32
33 abnormal_title = []
34 for i in range(len(name_data)):
35     if name_data[i] == 'RM' or name_data[i] =='PTRATIO'or name_data[i] == 'LSTAT':
36         continue
37     else:
38         abnormal_title.append(i)#存储不相关数据特证名下标
39 x_data = np.delete(x_data,abnormal_title,axis = 1)#删除不相关数据所在列
40 print("--------------'''输出有效数据形状'''--------------")
41 print(x_data.shape)
42 print(y_data.shape)
43
44 #数据分割
45 x_train,x_test = train_test_split(x_data,test_size=0.2,random_state=0)
46 y_train,y_test = train_test_split(y_data,test_size=0.2,random_state=0)
47 print("--------------'''输出实验数据长度'''--------------")
48 print(len(x_train))
49 print(len(x_test))
50 print(len(y_train))
51 print(len(y_test))
52
53 #数据归一化(无量纲化处理β=(x-min(x))/max(x)-min(x),将数据归集到0~1之间)
54 min_max_scaler = preprocessing.MinMaxScaler()
55 x_test = min_max_scaler.fit_transform(x_test)
56 x_train = min_max_scaler.fit_transform(x_train)
57 y_train = min_max_scaler.fit_transform(y_train.reshape(-1,1))
58 y_test = min_max_scaler.fit_transform(y_test.reshape(-1,1))#转化为一列行自动确认
59 #模型训练和评估
60 lr = LinearRegression()
61 lr.fit(x_train,y_train)
62 lr_y_predict = lr.predict(x_test)
63 #使用r2_score预测样本
64 score = r2_score(y_test, lr_y_predict)
65 print("样本预测得分：{}".format(score))

输出结果：

--------------'''获取自变量数据的形状'''--------------
(506, 13)
(506,)
------检测-------
(490, 13)
(490,)
--------------'''输出有效数据形状'''--------------
(490, 3)
(490,)
--------------'''输出实验数据长度'''--------------
392
98
392
98
样本预测得分：0.7091901425426