Lineáris regresszió pythonban

Lineáris regresszióval pythonban modellezzük a lakás árakat.

----------------

import numpy as np

import matplotlib.pyplot as plt

from sklearn.linear_model import LinearRegression

# 1. Tanító adatok létrehozása

# X: Magyarázó változó (pl. alapterület négyzetméterben) - 2D tömb kell legyen!

X = np.array([[40], [50], [60], [70], [80], [90], [100]])

# y: Célváltozó (pl. ár millió forintban)

y = np.array([25, 32, 38, 42, 50, 55, 61])

# 2. A modell létrehozása és tanítása

model = LinearRegression()

model.fit(X, y)

# 3. Modell paramétereinek lekérdezése

m = model.coef_[0]  # Meredekség (súly)

b = model.intercept_  # Tengelymetszet (konstans)

print(f"A modell egyenlete: y = {m:.2f} * x + {b:.2f}")

# 4. Predikció (becslés) új adatra

uj_meret = np.array([[85]])

becsult_ar = model.predict(uj_meret)

print(f"Egy {uj_meret[0][0]} m2-es lakás becsült ára: {becsult_ar[0]:.2f} millió Ft")

# 5. Eredmények vizualizációja (Grafikon)

plt.scatter(X, y, color='blue', label='Eredeti adatok')  # Adatpontok kirajzolása

plt.plot(X, model.predict(X), color='red', linewidth=2, label='Regressziós egyenes')  # Illesztett egyenes

plt.title('Egyszerű lineáris regresszió')

plt.xlabel('Alapterület (m2)')

plt.ylabel('Ár (millió Ft)')

plt.legend()

plt.grid(True)

plt.show()

--------------

 A modell egyenlete: y = 0.59 * x + 1.79

Egy 85 m2-es lakás becsült ára: 52.18 millió Ft