机械学习案例python

以下是几个机器学习案例的 Python 代码示例：

1. 线性回归：

import numpy as np
from sklearn.linear_model import LinearRegression

# 生成测试数据
X = np.array([[1], [2], [3], [4], [5]])
y = np.array([2.3, 4.5, 6.7, 8.9, 11.1])

# 初始化线性回归模型
model = LinearRegression()

# 拟合模型
model.fit(X, y)

# 预测
y_pred = model.predict(np.array([[6]]))

# 输出预测结果
print(y_pred)

2. 决策树分类：

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

# 加载数据集
iris = load_iris()

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2)

# 初始化决策树模型
model = DecisionTreeClassifier()

# 拟合模型
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 输出准确率
print("Accuracy:", model.score(X_test, y_test))

3. K-Means 聚类：

import numpy as np
from sklearn.cluster import KMeans

# 生成测试数据
X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])

# 初始化 K-Means 模型
model = KMeans(n_clusters=2)

# 拟合模型
model.fit(X)

# 预测
y_pred = model.predict(X)

# 输出聚类结果
print("Cluster labels:", y_pred)