基于线性回归的数据预测

1. 自主选择一个公开回归任务数据集（如房价预测、医疗数据、空气质量预测等，可Kaggle）。

2. 数据预处理：完成标准化（Normalization）、特征选择或缺失值处理等步骤。

3. 使用线性回归模型进行建模。采用80%数据用于训练，20%用于测试，重复划分数据集并训练模型20次，记录每次结果（交叉验证）。

4. 输出平均均方误差（MSE）或平均绝对误差（MAE），并可选与其他模型（如决策树回归、岭回归等）对比。

代码 私信也可