《人工智能导论》实验1 基于线性回归的房价预测.docxVIP

实验1基于线性回归的房价预测

一、实验目的及要求

理解监督学习中回归任务的基本思想，掌握“数据准备→选择模型→定义损失函数→训练模型→评估与应用”的机器学习基本流程。

掌握使用scikit-learn构建线性回归模型的方法，理解模型参数（权重、偏置）的含义及其对预测结果的影响。

掌握训练集/测试集的划分方法，理解划分的目的在于客观评估模型在未见过数据上的泛化能力。

掌握均方误差（MSE）、平均绝对误差（MAE）、决定系数（R2）等回归评估指标的计算方法与业务含义。

能够对预测结果进行可视化分析，并能够结合线性回归的假设条件（线性关系、异常值敏感性等）判断模型的适用性与局限性。

二、实验学时

2学时（建议时间分配：讲解10分钟，任务实践80分钟，总结报告10分钟）

三、实验前准备

软件环境：Python3.8及以上，建议使用JupyterNotebook或VSCode。

依赖库：NumPy、Pandas、Matplotlib、scikit-learn。安装命令如下：

pipinstallnumpypandasmatplotlibscikit-learn

知识储备：已学习教材第4.1、4.2、4.3.1、4.4.1节内容，了解回归与分类的区别。

四、实验任务

任务1环境准备与数据集加载（10分钟）

实验采用模拟生成的房价数据集，不依