人工智能导论 学生作品五_加利福尼亚房价预测_线性回归.pdfVIP

人工智能导论 学生作品五_加利福尼亚房价预测_线性回归.pdf

  1. 1、本文档共4页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

《人工智能导论》学生作品五

加利福尼亚房价预测-线性回归预测

作者XXX

指导教师XXX

院系软件与大数据学院

班级人工智能202

常州信息职业技术学院

项目报告

1.项目名称:用线性回归方法训练加利福尼亚房价预测模型

2.数据集

本项目使用的是sklearn在线下载的加利福尼亚房价数据集,每个住房数据

包括8个字段:MedInc,HouseAge,AveRooms,AveBedrms,Population,

AveOccup,Latitude,Longitude,标注就是这栋住房的价格。共有20640个数

据。

3.开发工具

Python3,sklearn,Pycharm或VSCode

4.实现步骤

(1)下载数据集

(2)获取数据和标注

(3)随机排列数据和标注

(4)调用sklearn接口创建回归对象

(5)训练模型

(6)预测

(7)打印预测结果和标注,对比分析

5运行结果及分析

由于每个预测结果有很多位,这里只显示5个预测结果和标注。

[11111

[1.6561.2610.9440.9191.243]

上一行是预测结果,下一行是标注,可见预测结果比较准确,可见,在这个数据

集中使用线性回归方法效果较好。

6代码

importnumpyasnp

fromsklearnimportlinear_model

fromsklearnimportdatasets

importsklearn

#下载数据集

d=sklearn.datasets.fetch_california_housing()

x=d.data

y=d.target

#划分训练数据和测试数据

trainingNumber=int(0.8*len(x))

testNumber=len(x)-trainingNumber

x_train,y_train=x[:trainingNumber],

y[:trainingNumber]

x_test,y_test=x[trainingNumber:],y[trainingNumber:]

#创建线性回归模型对象

regressor=linear_model.LinearRegression()

#使用训练数据训练模型

regressor.fit(x_train,y_train)

#对测试集数据实现预测

y_test_pred=regressor.predict(x_test)

#打印预测结果

print(y_test_pred[:5])

#打印标注

print(y_test[:5])

文档评论(0)

186****3051 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档