#1.线性模型如何预测趋势
#2.如何评估线性模型的性能
def boston_linear():
“”"
线性回归直接预测房子价格
:return: None
“”"
# 获取数据
lb = load_boston()
# 分割数据集到训练集和测试集
# x_train和y_train是训练集合 x_test和y_test是测试集,test_size=0.25就是lb.data中选出0.25的作为测试集,0.75作为训练集,目标的同理
x_train, x_test, y_train, y_test = train_test_split(lb.data, lb.target, test_size=0.25)
#print(y_train, y_test)
# 特征值和目标值是都必须进行标准化处理, 实例化两个标准化API
std_x = StandardScaler()
x_train = std_x.fit_transform(x_train)
#用转化训练集的标准归一化测试集
x_test = std_x.transform(x_test)
#测试数据目标值
std_y = StandardScaler()
#-1表示系统自动计算行数
y_train = std_y.fit_transform(y_train.reshape(-1,1))
y_test = std_y.transform(y_test.reshape(-1,1))
#estimator预测
#建立线性模型预测结果
lr = LinearRegression()
lr.fit(x_train, y_train)
#保存训练好的模型
joblib.dump(lr, “./test.pkl”)
“”"
# 预测房价结果
model = joblib.load("./tmp/test.pkl")
y_predict = std_y.inverse_transform(model.predict(x_test))
print(“保存的模型预测的结果：”, y_predict)
“”"
# 预测测试集的房子价格
print(“orgin value is::::”,std_y.inverse_transform(y_test[9]))
y_lr_predict = std_y.inverse_transform(lr.predict(np.array([x_test[9]])))
print(u"predict value is ::::", y_lr_predict)