scikit-learn ボストンの住宅価格データセットを使って「回帰分析」をやってみた

from sklearn.datasets import load_boston
import pandas as pd

boston = load_boston()

# データフレームに変換して内容を確認
df = pd.DataFrame(boston.data, columns=boston.feature_names)
df['目的変数（住宅価格）'] = boston.target
df.head()

y = boston.target
x = boston.data

from sklearn.model_selection import train_test_split

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2, shuffle=True)

from sklearn import linear_model

model = linear_model.LinearRegression()
model.fit(x_train, y_train)

# 切片
print(model.intercept_)

# 偏回帰係数（重み）
desc = [
    '犯罪発生率', '住居区画の密集度', '非小売業の土地割合',
    'チャールズ川 (1: 川の周辺, 0: それ以外)', 'NOx濃度',
    '平均部屋数', '1940年より前に建てられた物件割合',
    '5つのボストン市の雇用施設からの重み付き距離',
    '大きな道路へのアクセスしやすさ', '$10,000ドルあたりの所得税率',
    '教師あたりの生徒数', '黒人の比率', '低所得者の割合'
]
df_tmp = pd.DataFrame(model.coef_, index=boston.feature_names, columns=['重み'])
df_tmp['説明'] = desc
df_tmp

print(model.score(x_test, y_test))

# 0.7198637341775773

for i in range(10):
    print('テストデータ：' + str(y_test[i]))
    print('予測結果：' + str(model.predict([x_test[i]])) + '\n')