如何使用Scikit-Learn对新增住房数据进行波士顿房价预测？

解决方案 #

你已经在原始波士顿住房数据集上完成了模型训练，无需将新增数据合并到原数据集即可直接完成预测，两种常用实现方式如下： #

方式1：直接对新增数据预测（推荐，无需合并原数据集）

sklearn训练好的模型可直接对符合特征顺序的新数据做推理，代码如下：

# 将自定义的新房屋字典转为符合特征顺序的DataFrame
new_house = pd.DataFrame([boston_df2], columns=boston.feature_names)
# 调用已训练完成的模型完成预测
predicted_price = model.predict(new_house)
print(f"新增房屋的预测价格为：{predicted_price[0]:.2f}千美元")

方式2：从你已生成的合并数据集中提取新数据预测

如果你需要基于已经生成的boston_df_append做预测，直接提取最后一行的特征列输入模型即可：

# 提取合并后最后一行的特征（排除空值的target列）
new_house_data = boston_df_append.iloc[[-1]].drop("target", axis=1)
predicted_price = model.predict(new_house_data)
print(f"新增房屋的预测价格为：{predicted_price[0]:.2f}千美元")

补充注意事项 #

你当前使用的append方法在pandas 2.0及以上版本已被废弃，后续合并数据集建议使用pd.concat，写法参考：

boston_df_append = pd.concat([boston_df1, pd.DataFrame([boston_df2])], ignore_index=True)

内容的提问来源于stack exchange，提问作者Able Archer