数据准备

我们首先需要加载波士顿房价数据集。该数据集包含房屋特征信息和对应的房价标签。

import pandas as pd
import numpy as np

data_url = "http://lib.stat.cmu.edu/datasets/boston"
raw_df = pd.read_csv(data_url, sep="\s+", skiprows=22, header=None)
data = np.hstack([raw_df.values[::2, :], raw_df.values[1::2, :2]])
target = raw_df.values[1::2, 2]

print("数据集大小：{}".format(data.shape))
print("标签大小：{}".format(target.shape))

数据划分

接下来，我们将数据集划分为训练集和测试集，以便对模型进行训练和评估。

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(data, target)
print("训练集大小：{}".format(X_train.shape))
print("测试集大小：{}".format(X_test.shape))

数据标准化

为了提高梯度下降的收敛速度和性能，我们需要对数据进行标准化处理。

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

梯度下降方法

我们使用 SGDRegressor 类来训练梯度下降模型，并输出训练集和测试集上的得分、参数和截距。

from sklearn.linear_model import SGDRegressor

sgd_reg = SGDRegressor()
sgd_reg.fit(X_train, y_train)

print("梯度下降训练集得分：{:.2f}".format(sgd_reg.score(X_train, y_train)))
print("梯度下降测试集得分：{:.2f}".format(sgd_reg.score(X_test, y_test)))
print("梯度下降参数：{}".format(sgd_reg.coef_))
print("梯度下降截距：{}".format(sgd_reg.intercept_))

模型评估

我们使用得分来评估梯度下降模型在训练集和测试集上的拟合效果。得分越接近1，表示模型拟合效果越好。

# 模型评估
from sklearn.metrics import mean_squared_error

y_pred = sgd_reg.predict(X_test)
print("梯度下降均方误差：{:.2f}".format(mean_squared_error(y_test, y_pred)))
print("梯度下降均方根误差：{:.2f}".format(np.sqrt(mean_squared_error(y_test, y_pred))))

可视化

为了更直观地了解模型预测效果，我们绘制了测试集中真实房价和梯度下降预测房价的可视化图。

import matplotlib.pyplot as plt

plt.figure(figsize=(10, 6))
plt.plot(range(len(y_test)), y_test, "r", label="y_test")
plt.plot(range(len(y_test)), sgd_reg.predict(X_test), "g--", label="y_pred")
plt.legend()
plt.show()