推荐模型python代码

好的，以下是一些常见的机器学习模型的 Python 代码示例：

1. 线性回归模型：

from sklearn.linear_model import LinearRegression
from sklearn.datasets import load_boston

# 导入数据集
boston = load_boston()
X = boston.data
y = boston.target

# 创建线性回归模型对象
model = LinearRegression()

# 训练模型
model.fit(X, y)

# 预测结果
y_pred = model.predict(X)

2. 决策树模型：

from sklearn.tree import DecisionTreeClassifier
from sklearn.datasets import load_iris

# 导入数据集
iris = load_iris()
X = iris.data
y = iris.target

# 创建决策树模型对象
model = DecisionTreeClassifier()

# 训练模型
model.fit(X, y)

# 预测结果
y_pred = model.predict(X)

3. 支持向量机模型：

from sklearn.svm import SVC
from sklearn.datasets import load_iris

# 导入数据集
iris = load_iris()
X = iris.data
y = iris.target

# 创建支持向量机模型对象
model = SVC()

# 训练模型
model.fit(X, y)

# 预测结果
y_pred = model.predict(X)

4. KNN 模型：

from sklearn.neighbors import KNeighborsClassifier
from sklearn.datasets import load_iris

# 导入数据集
iris = load_iris()
X = iris.data
y = iris.target

# 创建 KNN 模型对象
model = KNeighborsClassifier()

# 训练模型
model.fit(X, y)

# 预测结果
y_pred = model.predict(X)

以上仅仅是一些常见的模型示例，您可以根据自己的需求选择合适的模型进行使用。同时，这些示例代码仅仅是基础示例，如果您需要更加复杂的模型，需要对代码进行进一步的修改和优化。