美国波士顿数句预测

from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression
import numpy as np

#data:X  target:y
#获取美国波士顿房价
data, target = load_boston(return_X_y=True)
print(data.shape)
print(target.shape)
# print('###########################')
# print(data)
#创建矩阵
x = np.ones((500, 1))
#拼接x轴
data_new = np.c_[data[:500], x]
#获取y轴
target_new = target[:500].reshape(500, 1)
#创建模型
lin_reg = LinearRegression(normalize=True)  #normalize标准化
#拟合模型
lin_reg.fit(data_new, target_new)
#打印截距和系数
print(lin_reg.intercept_, lin_reg.coef_)  #lin_reg.coef_：14个seeta值(拼接一个)  lin_reg.intercept_获取截距
#测试模型
a = np.ones((6, 1))
X_new = np.c_[data[500:], a]
print(lin_reg.predict(X_new))