ML | Boston Housing Kaggle Challenge con regresión lineal

Michael Zippo

Descripción del conjunto de datos tomada de

Hagamos un modelo de regresión lineal que prediga los precios de la vivienda

Entrada de bibliotecas y conjunto de datos.

# Importación de bibliotecas

importar numpy como np

import pandas como pd

importar matplotlib.pyplot as plt

# Datos importar

from sklearn.datasets importar load_boston

boston = load_boston ()

Entrada de datos de Boston y formulario de nombres de funciones

boston.data.shape

boston.feature_names

Conversión de datos de la segunda matriz en datos marco y agregando nombres de datos a los datos

Agregar la columna "Precio" al conjunto de datos

datos = pd.DataFrame (boston.datos)

data.columns = boston.feature_names

data.head ( 10 )

Aplicación de un modelo de regresión lineal a un conjunto de datos y predicción de precios.

# Ajuste el modelo de regresión de ML al modelo de aprendizaje

from sklearn.linear_model importar Regresión lineal

regresor = Regresión Lineal ( )

regressor.fit (xtrain, ytrain)

# predecir resultados de casos de prueba

y_pred = regressor.predict (xtest)

# Agregar la columna "Precio" (objetivo) a los datos
boston.target.shape

datos [ `Precio` ] = boston.objetivo

data.head()

Descripción del conjunto de datos de Boston

data.describe()

Información del conjunto de datos de Boston

datos.info ()

Obtener datos de entrada y salida y dividirlos en un conjunto de datos para entrenamiento y pruebas.

# Datos de entrada

x = boston.data

# Salida

y = boston.target

# división de datos en conjuntos de datos de entrenamiento y prueba.

de sklearn.cross_validation importar entrenar_prueba_dividir

xtren, xprueba, ytren, yprueba = train_test_split (x, y, test_size = 0.2 < clase de código = "simple">,

estado_aleatorio = 0 )

imprimir ( "xtrain forma:" , xtrain.shape)

print ( "forma xtest:" , xtest.shape)

imprimir ( " ytrain forma: " , ytrain.shape)

print ( "ytest forma:" , ytest.shape)

Cree un gráfico de dispersión para mostrar los resultados del pronóstico — valor yverdadero versus valor y_pred

# Diagrama de dispersión para mostrar el pronóstico
# resultados - valor yverdadero versus valor y_pred

plt.scatter (ytest, y_pred, c = `verde` < clase de código ="simple ">)

plt.xlabel ( "Precio: en $ 1000`s" )

plt.ylabel ( "Predicted value" )

plt .title ( "Valor verdadero vs valor predicho: regresión lineal" )

plt.show ()

Resultados de regresión lineal, es decir, error cuadrático medio.

# Resultados de regresión lineal.

de sklearn.metrics importar error_media_cuadrado

mse = error_cuadrado_medio (ytest, y_pred)

print ( < clase de código = "cadena"> "Error cuadrático medio:" , mse)