python机器学习代码

以下是一个简单的Python机器学习代码示例，使用Scikit-learn库的线性回归模型来预测房价：

# 导入所需库
from sklearn.linear_model import LinearRegression
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split

# 加载Boston房价数据集
boston = load_boston()

# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(boston.data, boston.target, test_size=0.2, random_state=42)

# 创建线性回归模型
model = LinearRegression()

# 在训练集上拟合模型
model.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = model.predict(X_test)

# 打印预测结果和真实值
for i in range(len(y_pred)):
    print("预测值：{:.2f}，真实值：{:.2f}".format(y_pred[i], y_test[i]))

# 输出模型评分
print("模型得分：{:.2f}".format(model.score(X_test, y_test)))

这个简单的代码演示了如何使用Scikit-learn库中的线性回归模型进行房价预测。在实际应用中，你需要根据你的具体需求和数据集选择合适的机器学习算法和模型，并且对数据进行适当的预处理和特征工程。