机器学习python代码

以下是一个简单的机器学习Python代码例子，使用sklearn库中的线性回归模型来预测波士顿房价：

# 导入需要用到的库
import numpy as np
import pandas as pd
from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

# 加载数据集
boston = load_boston()
boston_df = pd.DataFrame(boston.data, columns=boston.feature_names)
boston_df['PRICE'] = boston.target

# 分割数据集
X_train, X_test, y_train, y_test = train_test_split(boston_df[boston.feature_names], boston_df['PRICE'], test_size=0.2, random_state=42)

# 训练模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测并计算误差
y_pred = model.predict(X_test)
mse = mean_squared_error(y_test, y_pred)
print(f'Mean Squared Error: {mse}')

这个例子中，我们首先加载波士顿房价数据集，然后将其分割为训练集和测试集。接下来，我们使用线性回归模型来训练模型，并使用测试集进行预测。最后，我们计算预测结果与真实结果之间的均方误差（Mean Squared Error）。