2-5多因子线性回归实战

线性回归预测房价

任务：
基于 usa_housing_price.csv 数据，建立线性回归模型，预测合理房价：
1、以面积为输入变量，建立单因子模型，评估模型表现，可视化线性回归预测结果；
2、以 income、house age、numbers of rooms、population、area为输入变量，建立多因子模型，评估模型表现；
3、预测 income=65000, House Age=5, NUmber of Rooms=5, population=30000, size=200的合理房价。
https://www.bilibili.com/video/BV1nHK5e2Emc?spm_id_from=333.788.videopod.episodes&vd_source=3b0b5e17378c3a0cad28da42df63bae9&p=11

#load the data
import pandas as pd
import numpy as np
data = pd.read_csv('usa_housing_price.csv')
data.head()

%matplotlib inline
from matplotlib import pyplot as plt
fig = plt.figure(figsize=(10,10))
fig1 = plt.subplot(231)
plt.scatter(data.loc[:,'Avg. Area Income'],data.loc[:,'Price'])
plt.title('Price VS Income')

fig2 = plt.subplot(232)
plt.scatter(data.loc[:,'Avg. Area House Age'],data.<