给我写一个机器学习回归问题的案例代码
时间: 2023-08-28 10:26:31 浏览: 53
好的,以下是一个机器学习回归问题的案例代码,它使用了随机森林算法对波士顿房价数据集进行回归预测。
首先,先导入必要的库和数据集:
```python
import numpy as np
import pandas as pd
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_squared_error
# 导入数据集
boston = load_boston()
X = boston.data
y = boston.target
```
然后,将数据集分为训练集和测试集:
```python
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
```
接下来,使用随机森林算法进行训练和预测:
```python
# 创建随机森林回归器
rf = RandomForestRegressor(n_estimators=100, random_state=42)
# 训练模型
rf.fit(X_train, y_train)
# 预测测试集
y_pred = rf.predict(X_test)
```
最后,使用均方误差(MSE)作为评价指标来评估模型的性能:
```python
# 计算MSE
mse = mean_squared_error(y_test, y_pred)
print("均方误差为:", mse)
```
完整代码如下:
```python
import numpy as np
import pandas as pd
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_squared_error
# 导入数据集
boston = load_boston()
X = boston.data
y = boston.target
# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 创建随机森林回归器
rf = RandomForestRegressor(n_estimators=100, random_state=42)
# 训练模型
rf.fit(X_train, y_train)
# 预测测试集
y_pred = rf.predict(X_test)
# 计算MSE
mse = mean_squared_error(y_test, y_pred)
print("均方误差为:", mse)
```
以上就是一个简单的机器学习回归问题的案例代码,它使用了随机森林算法对波士顿房价数据集进行回归预测。