> 　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 ...

# 训练数据 linreg = linear_model.LinearRegression() linreg.fit(x_train, y_train) # 得出预测值 y_pred ...

波士顿房屋数据集： 可视化数据集的重要特征： 探索性数据分析（Exploratory Data Analysis，EDA）是机器学习模型训练之前的一个重要步骤。 在本节的后续内容中，借助EDA图形工具箱中那些简单且有效的技术，可以帮助我们直观地发现数据中的异常情况、数据的分布情况，以及特征间 ...

一、线性回归（Linear Regression）介绍 线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。其表达形式为y = w'x +e，e为误差服从均值为0的正态分布。线性回归是经济学的主要实证工具。例如，它是用来预测消费支出 ...

...

这次我们会用线性回归来预测波士顿的房价 首先是导入波士顿房价的数据，这是sklearn中的datasets自带的 先用key方法查看数据集 得到结果 这里的data有13个维度，target就是我们要预测的房价，接下来再查 ...

1 案例背景 给定的这些特征，是专家们得出的影响房价的结果属性。我们此阶段不需要自己去探究特征是否有用，只需要使用这些特征。到后面量化很多特征需要我们自己去寻找 2 案例分析 回归当中的数据大小不一致，是否会导致结果影响较大。所以需要做标准化处理。 数据分割与标准化 ...

背景：波士顿房价数据集包括506个样本，每个样本包括12个特征变量和该地区的平均房价。房价（单价）显然和多个特征变量相关，不是单变量线性回归（一元线性回归）问题；选择多个特征变量来建立线性方程，这就是多变量线性回归（多元线性回归）问题。 房价和多个特征变量相关，本案例尝试使用多元线性回归 ...