04 使用 sklearn 的线性回归算法实现房价预测

image.png
image.png
image.png
知识点

代码

# 人工智能数据源下载地址:https://video.mugglecode.com/data_ai.zip,下载压缩包后解压即可(数据源与上节课相同)
# -*- coding: utf-8 -*-

"""
    任务:房屋价格预测
"""
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

import ai_utils

DATA_FILE = './data_ai/house_data.csv'

# 使用的特征列
FEAT_COLS = ['bedrooms', 'bathrooms', 'sqft_living', 'sqft_lot', 'sqft_above', 'sqft_basement']


def main():
    """
        主函数
    """
    house_data = pd.read_csv(DATA_FILE, usecols=FEAT_COLS + ['price'])  # 仅仅取出来关心的几列来
    ai_utils.plot_feat_and_price(house_data)      

    X = house_data[FEAT_COLS].values     #取特征列
    y = house_data['price'].values       #取房价
 
    # 分割数据集
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=1/3, random_state=10)

    # 建立线性回归模型
    linear_reg_model = LinearRegression()   
    # 模型训练
    linear_reg_model.fit(X_train, y_train)
    # 验证模型
    r2_score = linear_reg_model.score(X_test, y_test)
    print('模型的R2值', r2_score)

    # 单个样本房价预测
    i = 50
    single_test_feat = X_test[i, :]
    y_true = y_test[i]
    y_pred = linear_reg_model.predict([single_test_feat])
    print('样本特征:', single_test_feat)
    print('真实价格:{},预测价格:{}'.format(y_true, y_pred))


if __name__ == '__main__':
    main()

运行结果

模型的R2值 0.5058817864948697
样本特征: [3.00e+00 2.00e+00 1.54e+03 6.25e+03 1.54e+03 0.00e+00]
真实价格:272500.0,预测价格:395059
可以看见基本上都是线性关系的

需要注意的地方

  • 使用线性模型,验证的是R2模型
from sklearn.linear_model import LinearRegression
 # 建立线性回归模型
    linear_reg_model = LinearRegression()   
    # 模型训练
    linear_reg_model.fit(X_train, y_train)
    # 验证模型
    r2_score = linear_reg_model.score(X_test, y_test)
    print('模型的R2值', r2_score)
  • 仅仅取出来关心的几列来
import pandas as pd
house_data = pd.read_csv(DATA_FILE, usecols=FEAT_COLS + ['price']) 

练习:预测糖尿病的患病指标

  • 题目描述:预测糖尿病的患病指标

  • 题目要求:

  • 使用scikit-learn的线型回归模型对糖尿病的指标值进行预测

  • 选取1/5的数据作为测试集

  • 数据文件:

  • 数据源下载地址:https://video.mugglecode.com/diabetes.csv

  • diabetes.csv,包含了442个数据样本。

  • 共11列数据

  • AGE:年龄

  • SEX: 性别

  • BMI: 体质指数(Body Mass Index)

  • BP: 平均血压(Average Blood Pressure)

  • S1~S6: 一年后的6项疾病级数指标

  • Y: 一年后患疾病的定量指标,为需要预测的标签

参考代码

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

#读取数据
data  = pd.read_csv('/Users/miraco/PycharmProjects/ai/data_ai/diabetes.csv')

#取出数据

feat_cols = ['AGE','SEX','BMI','BP','S1','S2','S3','S4','S5','S6']
X = data[feat_cols].values

y = data['Y'].values

#数据划分
X_train, X_test, y_train, y_test = train_test_split(X,y,test_size=1/5, random_state= 10)

#模型构建
linear_regress_model = LinearRegression()

#模型训练
linear_regress_model.fit(X_train,y_train)

#评价模型的指标
R2 = linear_regress_model.score(X_test,y_test)
print('模型的R2值:', R2)
idx = 15
test_feat = X_test[idx,:]
y_predict = int(linear_regress_model.predict([test_feat]) ) #测出来结果是向量,得取出来
y_real = y_test[idx]

print(f'第{idx+1}个测试结果是{y_predict},本来应该是{y_real}')




运行结果

/Library/Frameworks/Python.framework/Versions/3.6/bin/python3.6 /Users/miraco/PycharmProjects/ai/diabetes_prediction.py
/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/importlib/_bootstrap.py:219: RuntimeWarning: numpy.dtype size changed, may indicate binary incompatibility. Expected 96, got 88
  return f(*args, **kwds)
/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/sklearn/linear_model/base.py:509: RuntimeWarning: internal gelsd driver lwork query error, required iwork dimension not returned. This is likely the result of LAPACK bug 0038, fixed in LAPACK 3.2.2 (released July 21, 2010). Falling back to 'gelss' driver.
模型的R2值: 0.5341988244945843
  linalg.lstsq(X, y)
第16个测试结果是223,本来应该是237

警告结果可以无视。

房价预测的可视化线性模型(二维的绘制)

代码

"""
    任务:房屋价格预测
"""
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt

DATA_FILE = './data_ai/house_data.csv'

# 使用的特征列
FEAT_COLS = ['bedrooms', 'bathrooms', 'sqft_living', 'sqft_lot', 'sqft_above', 'sqft_basement']


def plot_fitting_line(linear_reg_model, X, y, feat):  #画图函数,传入参数:模型,X,y,特征名称
    """
        绘制线型回归线
    """
    w = linear_reg_model.coef_    #模型的一次参数
    b = linear_reg_model.intercept_   #模型截距

    plt.figure()
    # 样本点
    plt.scatter(X, y, alpha=0.5)       #画散点,透明度50%

    # 直线
    plt.plot(X, w * X + b, c='red')      #画线,描点连线,红色线
    plt.title(feat)   #题目
    plt.show()


def main():
    """
        主函数
    """
    house_data = pd.read_csv(DATA_FILE, usecols=FEAT_COLS + ['price'])

    for feat in FEAT_COLS:
        X = house_data[feat].values.reshape(-1, 1)  
        #house_data[feat].values虽然是一列,但是它会自动转换成行向量,所以要重新塑形成列
        y = house_data['price'].values

        X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=1/3, random_state=10)
        linear_reg_model = LinearRegression()   #模型
        linear_reg_model.fit(X_train, y_train)  #训练
        r2_score = linear_reg_model.score(X_test, y_test)  #R2评分
        print('特征:{},R2值:{}'.format(feat, r2_score))

        # 绘制拟合直线
        plot_fitting_line(linear_reg_model, X_test, y_test, feat)


if __name__ == '__main__':
    main()

运行结果:

/Library/Frameworks/Python.framework/Versions/3.6/bin/python3.6 /Users/miraco/PycharmProjects/ai/house_1_prediction.py
/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/importlib/_bootstrap.py:219: RuntimeWarning: numpy.dtype size changed, may indicate binary incompatibility. Expected 96, got 88
  return f(*args, **kwds)
/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/sklearn/linear_model/base.py:509: RuntimeWarning: internal gelsd driver lwork query error, required iwork dimension not returned. This is likely the result of LAPACK bug 0038, fixed in LAPACK 3.2.2 (released July 21, 2010). Falling back to 'gelss' driver.
  linalg.lstsq(X, y)
特征:bedrooms,R2值:0.09258779614933556
特征:bathrooms,R2值:0.27043501608845366
特征:sqft_living,R2值:0.4961737855768537
特征:sqft_lot,R2值:0.006598795645454514
特征:sqft_above,R2值:0.35340999022703234
特征:sqft_basement,R2值:0.11806711865379749

Process finished with exit code 0

练习:糖尿病患病指标的可视化线性模型

  • 题目描述:可视化线型回归模型

  • 题目要求:

  • 绘制糖尿病患病的各项属性(特征)的线型拟合曲线

  • 数据文件:

  • 数据源下载地址:https://video.mugglecode.com/diabetes.csv

  • diabetes.csv,包含了442个数据样本。

  • 共11列数据

  • AGE:年龄

  • SEX: 性别

  • BMI: 体质指数(Body Mass Index)

  • BP: 平均血压(Average Blood Pressure)

  • S1~S6: 一年后的6项疾病级数指标

  • Y: 一年后患疾病的定量指标,为需要预测的标签

参考代码

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from matplotlib import pyplot as plt
plt.rcParams['savefig.dpi'] = 300 #图片像素
plt.rcParams['figure.dpi'] = 300 #分辨率
# 默认的像素:[6.0,4.0],分辨率为100,图片尺寸为 600&400
# 指定dpi=200,图片尺寸为 1200*800
# 指定dpi=300,图片尺寸为 1800*1200
# 设置figsize可以在不改变分辨率情况下改变比例

#读取数据
data  = pd.read_csv('/Users/miraco/PycharmProjects/ai/data_ai/diabetes.csv')

#取出数据

Feat_cols = ['AGE','SEX','BMI','BP','S1','S2','S3','S4','S5','S6']

fig = plt.figure()
for feat_col in Feat_cols:
    X = data[feat_col].values.reshape(-1,1)

    y = data['Y'].values

    #数据划分
    X_train, X_test, y_train, y_test = train_test_split(X,y,test_size=1/5, random_state= 10)

    #模型构建
    linear_regress_model = LinearRegression()

    #模型训练
    linear_regress_model.fit(X_train,y_train)

    #评价模型的指标
    R2 = linear_regress_model.score(X_test,y_test)
    print(f'取{feat_col}的模型的R2值为{R2}')


    coef = linear_regress_model.coef_
    intercpt = linear_regress_model.intercept_
    names = locals()
    idx = Feat_cols.index(feat_col)
    names[f'subpic_{str(idx)}'] = fig.add_subplot(4, 3, idx + 1)
    names[f'subpic_{str(idx)}'].scatter(X,y,alpha=0.5)
    names[f'subpic_{str(idx)}'].set_title(feat_col)
    names[f'subpic_{str(idx)}'].plot(X, coef * X + intercpt, c = "red")

plt.tight_layout()
plt.show()




运行结果

/Library/Frameworks/Python.framework/Versions/3.6/bin/python3.6 /Users/miraco/PycharmProjects/ai/diabetes_prediction.py
/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/importlib/_bootstrap.py:219: RuntimeWarning: numpy.dtype size changed, may indicate binary incompatibility. Expected 96, got 88
  return f(*args, **kwds)
/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/sklearn/linear_model/base.py:509: RuntimeWarning: internal gelsd driver lwork query error, required iwork dimension not returned. This is likely the result of LAPACK bug 0038, fixed in LAPACK 3.2.2 (released July 21, 2010). Falling back to 'gelss' driver.
  linalg.lstsq(X, y)
取AGE的模型的R2值为-0.020315734618997494
取SEX的模型的R2值为-0.003956873797916982
取BMI的模型的R2值为0.3706660809195329
取BP的模型的R2值为0.1964406311230159
取S1的模型的R2值为0.03139434030416344
取S2的模型的R2值为0.01765701829206412
取S3的模型的R2值为0.09229386793043748
取S4的模型的R2值为0.12310951946304215
取S5的模型的R2值为0.340972016892513
取S6的模型的R2值为0.16145688026613692

如果想要屏蔽这个警告,可以输入如下指令

import warnings
warnings.filterwarnings(action="ignore", module="scipy", message="^internal gelsd")
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,607评论 6 507
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,239评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,960评论 0 355
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,750评论 1 294
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,764评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,604评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,347评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,253评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,702评论 1 315
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,893评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,015评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,734评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,352评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,934评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,052评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,216评论 3 371
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,969评论 2 355

推荐阅读更多精彩内容