sklearn 模型函数

`sklearn`是一个流行的Python机器学习库，其中包含许多用于构建、评估和应用各种机器学习模型的函数。这些函数通常按照通用的机器学习流程组织，包括数据预处理、模型训练、模型评估和预测。

**数据预处理**：

from sklearn import preprocessing
# 将数据归一化
scaler = preprocessing.StandardScaler()
X_scaled = scaler.fit_transform(X)

**模型训练**：

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

# 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)

# 创建并训练线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)

**模型评估**：

from sklearn.metrics import mean_squared_error, r2_score

# 预测
y_pred = model.predict(X_test)

# 计算指标如MSE（均方误差）和R²分数
mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)

**模型预测**：

new_data = ... # 新的输入数据
prediction = model.predict(new_data)

请注意，每个模型类的具体用法可能会有所不同，上述代码仅作为示例。在实际应用中，可能需要根据具体的需求选择合适的模型和调整参数。