python机器学习 实验一 使用最小二乘法进行房价预测

python机器学习 实验一 使用最小二乘法进行房价预测

数据

求解：当房屋面积为55平方时，租赁价格是多少？给出代码与运行结果图

主要是用数学推导出最小二乘法的公式，然后找出需要的参数，预测最后的结果，有点像数学建模

不要复制代码

import matplotlib.pyplot as plt
from pylab import mpl
#导入数据源

x = [10, 15, 20, 30, 50, 60, 60, 70]
y = [0.8, 1, 1.8, 2, 3.2, 3, 3.1, 3.5]



#计算一元表达式的参数,根据最小二乘法表达式计算，推出各个参数并代入表达式，计算出来最终结果
def liner_fitting(data_x, data_y):
    size = len(data_x)
    i = 0
    sum_xy = 0
    sum_y = 0
    sum_x = 0
    sum_sqare_x = 0
    while i < size:
        sum_xy += data_x[i] * data_y[i]
        sum_y += data_y[i]
        sum_x += data_x[i]
        sum_sqare_x += data_x[i] * data_x[i]
        i += 1
    average_x = sum_x / size
    average_y = sum_y / size
    return_k = (size * sum_xy - sum_x * sum_y) / (size * sum_sqare_x - sum_x * sum_x)
    return_b = average_y - average_x * return_k
    return [return_k, return_b]

#根据给出的参数值计算出来拟合曲线上的y值集合
def calculate(datax, k, b):
    datay = []
    for x in datax:
        datay.append(k * x + b)
    return datay


"""完成函数的绘制"""


def draw(datax, new_datay, old_datay):
    mpl.rcParams['font.sans-serif'] = ['SimHei']
    mpl.rcParams['axes.unicode_minus'] = False
    plt.plot(datax, new_datay,"bs--", label="根据房屋面积预测房价")
    #scatter函数绘制散点图
    plt.scatter(datax, old_datay, label="原数据离散值",edgecolors="green")
    plt.title("根据房屋面积预测房价")
    plt.show()


data = liner_fitting(x, y)
draw_data = calculate(x, data[0], data[1])
print(data[0] * eval(input()) + data[1])
draw(x, draw_data, y)

实验结果图

预测结果：

点击👍