鲍鱼数据集预测年龄代码

以下是使用Python语言和Scikit-learn库实现鲍鱼数据集预测年龄的示例代码：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

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

# 数据预处理
data["sex"] = pd.get_dummies(data["sex"])["M"]
X = data.drop("age", axis=1)
y = data["age"]

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 建立线性回归模型
lr = LinearRegression()
lr.fit(X_train, y_train)

# 模型评估
y_pred = lr.predict(X_test)
mse = mean_squared_error(y_test, y_pred)
print("均方误差：", mse)

# 预测新的鲍鱼数据
new_data = pd.DataFrame({
    "sex": [1],
    "length": [0.55],
    "diameter": [0.44],
    "height": [0.14],
    "whole_weight": [0.32],
    "shucked_weight": [0.14],
    "viscera_weight": [0.08],
    "shell_weight": [0.1]
})
new_age = lr.predict(new_data)
print("预测年龄：", new_age[0])

其中，`abalone.csv`是鲍鱼数据集文件，包含了鲍鱼的各种特征和年龄；将`sex`列转换为0/1编码，其中0表示雌性，1表示雄性；使用线性回归模型进行建模和预测；使用均方误差评估模型的预测性能；最后，给出了一个新的鲍鱼数据，使用模型预测其年龄。