python-数据处理--决策树--回归器构建房价评估模型（附源码）

from sklearn import datasets    # sklearn自带的datasets中就有Boston房价数据集
from sklearn.model_selection import train_test_split   # 分割数据专用

hous = datasets.load_boston()  # 房价信息数据集

dataset_X = hous.data  # 取出特征数据(影响房价的特征向量)
dataset_Y = hous.target  # 取出对应的标签(房价)


# 分割数据集
train_X,test_X,train_y,test_y = train_test_split(dataset_X,dataset_Y,test_size=0.2)
# train训练集，test测试集，X为特征数据，y为标签，test_size划分比例，0.2即82分


# 建模：决策树回归模型
from sklearn.tree import DecisionTreeRegressor
from sklearn import tree

dtReg = DecisionTreeRegressor()   # 初始化模型
dtReg.fit(train_X,train_y)    # 训练模型


# 预测数据
y_pre_test = dtReg.predict(test_X)
print(y_pre_test)  # 预测值（结果）
print(test_y)   # 真实值



import graphviz

import os
os.environ["PATH"] += os.pathsep + 'C:/Program Files (x86)/Graphviz2.38/bin'

dot_data = tree.export_graphviz(dtReg,out_file=None,filled=True)
graph = graphviz.Source(dot_data)
graph.render('tree',view=True)



import sklearn.metrics as metrics
print(metrics.mean_squared_error(y_pred=y_pre_test,y_true=test_y))  # 数据的均方误差
# y_pred预测数据，y_true真实结果（标签）


from sklearn.ensemble import AdaBoostRegressor

dtReg = DecisionTreeRegressor(max_depth=5)  # 只初始化模型，训练任务交给adaboost

adaBoostRe = AdaBoostRegressor(dtReg,n_estimators=400)  # dtReg弱回归器，n_estimators最大弱回归器的数据量

adaBoostRe.fit(train_X,train_y)    # 训练模型

y_pre_test = adaBoostRe.predict(test_X)  # 测试模型

# print(y_pre_test)
# print(test_y)

print(metrics.mean_squared_error(y_pred=y_pre_test,y_true=test_y))