机器学习案例完整代码

机器学习案例通常涉及数据预处理、模型选择、训练以及评估等步骤。下面是一个简单的Python示例，使用Scikit-Learn库来完成线性回归任务：

# 导入必要的库
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# 模拟数据
X = np.random.rand(100, 1)  # 输入特征
y = 2 + 3 * X + np.random.randn(100, 1)  # 目标变量

# 数据划分（80%训练，20%测试）
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建并训练模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 评估性能
mse = mean_squared_error(y_test, y_pred)
print("Mean Squared Error:", mse)

#