如何在 Python 中进行机器学习?

步骤 1：导入必要的库

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

步骤 2：读取数据

# 读取数据
data = pd.read_csv("your_data.csv")

步骤 3：预处理数据

# 缩放数据
X_scaled = data.drop("target_column", axis=1).values.reshape(-1, 1) / 255.0

# 标准化数据
X_scaled_std = (X_scaled - np.min(X_scaled)) / (np.max(X_scaled) - np.min(X_scaled))

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X_scaled_std, data["target_column"], test_size=0.2, random_state=42)

步骤 4：训练模型

# 创建线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X_train, y_train)

步骤 5：评估模型

# 计算模型性能
loss, accuracy = model.evaluate(X_test, y_test)

# 打印模型性能指标
print("Loss:", loss)
print("Accuracy:", accuracy)

# 可视化模型预测结果
plt.scatter(X_test, model.predict(X_test))
plt.xlabel("X")
plt.ylabel("Y")
plt.title("Model Prediction")
plt.show()

步骤 6：保存模型

# 保存模型
model.save("your_model.pkl")

注意：

• 您可以根据自己的数据集进行调整。
• 您可以使用其他机器学习算法，例如决策树或支持向量机。
• 您可以使用交叉验证来优化模型参数。