Scikit-learn案例代码

以下是一个简单的 Scikit-learn 案例代码，用于使用线性回归模型预测房屋价格：

import pandas as pd
from sklearn.linear_model import LinearRegression

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

# 设置 X 和 y
X = data.drop('price', axis=1)
y = data['price']

# 创建线性回归模型
model = LinearRegression()

# 拟合模型
model.fit(X, y)

# 预测房价
predicted_price = model.predict([[3000, 3, 2]])

print("预测的房价为：", predicted_price)

这个代码示例加载了一个名为 housing.csv 的数据集，使用线性回归模型预测房价。在这个例子中，我们首先读取数据集，然后设置 X 和 y 变量。X 变量包含所有特征，而 y 变量包含目标变量（房价）。接下来，我们创建一个 LinearRegression 对象，使用 fit() 方法拟合模型，并使用 predict() 方法进行预测。最后，我们打印出预测的房价。