1.案例：这个数据用针对房屋售价的结果。如下CSV档(6.Logistic_Regression.csv)，两个栏位各代表面积与售价。
2.问题：现在有一面积为700，请问预估可能的售价是多少？
3.数据文档：6.Logistic_Regression.csv，内容如下。
| square_feet | price |
| 150 | 6450 |
| 200 | 7450 |
| 250 | 8450 |
| 300 | 9450 |
| 350 | 11450 |
| 400 | 15450 |
| 600 | 18450 |
4.Sampe code：
#encoding: utf-8
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from sklearn import linear_model
#----取得输入资料
def get_data(file_name):
data = pd.read_csv(file_name)
X_parameter = []
Y_parameter = []
for single_square_feet ,single_price_value in zip(data['square_feet'],data['price']):
X_parameter.append([float(single_square_feet)])
Y_parameter.append(float(single_price_value))
return X_parameter,Y_parameter
#----设定回归分析的函数与设定值
def linear_model_main(X_parameters,Y_parameters,predict_value):
regr = linear_model.LinearRegression()
regr.fit(X_parameters, Y_parameters)
predict_outcome = regr.predict(predict_value)
predictions = {}
predictions['intercept'] = regr.intercept_
predictions['coefficient'] = regr.coef_
predictions['predicted_value'] = predict_outcome
return predictions
#----取得资料
X,Y = get_data("6.Logistic_Regression.csv")
#----设定输入值(面积)
predictvalue = 700
#----输出预测值
result = linear_model_main(X,Y,predictvalue)
print u"预测的价格为: ", result['predicted_value']
5.结果：
预测的价格为: [ 21915.42553191]