目录前言一、数据预处理定义二、波士顿房价数据进行数据预处理2.1下载波士顿房价数据集 2.2查看数据集的描述、特征及数据条数、特征数量2.3将数据读入pandas的DataFrame并转存到csv文件2.4查看数据集各个特征的类型以及是否有空值2.5对数据集做中心化度量：计算各个特征的中位数和均值，分析中位数和均值情况2.6对数据集做离散化度量：对第一个特征画盒图（箱线图），检查孤立点（离群点）2.7对所有特征画盒图（箱线图），检查孤立点（离群点）2.8对第一个特征排序后画散点图2.9对第一个特征画分位数图2.10对所有特征画分位数图2.11使用线性回归方法拟合第一个特征2.12使用局部回归（

案例2：基于线性回归的波士顿房价预测为什么写本博客​前人种树，后人乘凉。希望自己的学习笔记可以帮助到需要的人。需要的基础​懂不懂原理不重要，本系列的目标是使用python实现机器学习。​必须会的东西：python基础、numpy、pandas、matplotlib和库的使用技巧。说明​完整的代码在最后，另外之前案例中出现过的方法不会再讲解。目录结构文章目录案例2：基于线性回归的波士顿房价预测1.涉及到的新方法说明：2.数据集介绍与划分：3.数据标准化：4.模型创建、训练和评估：5.总结与完整代码：1.涉及到的新方法说明：数据集加载fromsklearn.datasetsimportload_b

案例2：基于线性回归的波士顿房价预测为什么写本博客​前人种树，后人乘凉。希望自己的学习笔记可以帮助到需要的人。需要的基础​懂不懂原理不重要，本系列的目标是使用python实现机器学习。​必须会的东西：python基础、numpy、pandas、matplotlib和库的使用技巧。说明​完整的代码在最后，另外之前案例中出现过的方法不会再讲解。目录结构文章目录案例2：基于线性回归的波士顿房价预测1.涉及到的新方法说明：2.数据集介绍与划分：3.数据标准化：4.模型创建、训练和评估：5.总结与完整代码：1.涉及到的新方法说明：数据集加载fromsklearn.datasetsimportload_b