使用 LinearSVR 模型进行房屋价格预测

from sklearn.svm import LinearSVR
import pandas as pd

# 导入数据集并选择训练数据
# 这里假设 'new_data' 是一个 pandas DataFrame
data_train = new_data.loc[0:2054]

# 定义自变量列表
x_list = ['建筑面积', '室', '厅', '卫']

# 计算训练数据的均值和标准差
data_mean = data_train.mean()
data_std = data_train.std()

# 对训练数据进行标准化
data_train = (data_train - data_mean) / data_std

# 提取特征数据和目标数据
x_train = data_train[x_list].values
y_train = data_train['总价'].values

# 创建并训练 LinearSVR 模型
linearsvr = LinearSVR(C=0.1)  # 创建模型，C 为正则化参数
linearsvr.fit(x_train, y_train)  # 训练模型

# 模型已训练完成，现在可以用于预测