前言：

       預測房價可以說是，機器學習中迴歸的經典例子之一，接下來讓我們用sklearn來學習他的具體操作。程式碼如下from sklearn import datasets                                            #這裡匯入資料包from sklearn.linear_model import LinearRegression        #這裡採用迴歸方法import matplotlib.pyplot as plt              load_data  = datasets .load_boston()                                #這裡下載波士頓的房價資料data_x  = load_data.data                                                   #將房子的屬性引數給賦值data_y  = load_data.target                                                #將相應的房價賦值print(data_x[:1])                                                                #這裡我們檢視一下一間房子有哪些屬性model = LinearRegression()                                             #這裡採用迴歸模型model.fit(data_x,data_y)                                                   #這裡將值給與模型print(model.coef_)                                                            #這裡列印權值print(model.intercept_)                                                    #這裡列印偏移量temp_x =  data_x[:50]                                                       #這裡我們用前50個數據來進行預測#這裡我們採用房子的第一個屬性 來顯示與房價的關係plt.scatter(temp_x[:,:1],model.predict(temp_x),color = 'r',label = 'predicition')         #這裡繪製預測的房價plt.scatter(temp_x[:,:1],data_y[:50],color = 'b',label = 'original_data')                         #這裡預測實際的房價print(model.score(data_x,data_y))                                                      #這裡給我們的訓練打分                       plt.show()                                                                                          #這裡顯示影象結果

We start it here! Welcome to learn!!!!!!

從圖中我們可以分別看到    一個房子的屬性； 權重集合； 偏移量;   還有最後的評分 （評分最高為1）這是我們輸出的結果， 紅色為預測值，藍色為實際房價，這裡用房子的第一個屬性來顯示與房價關係！！！

happy learning!:)