机器学习天气预测代码

以下是一个简单的基于机器学习的天气预测代码，使用Python语言和Scikit-learn库：

# 导入所需的库
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

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

# 特征选择和标签
X = data.iloc[:, :-1].values
y = data.iloc[:, 1].values

# 分割数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 建立线性回归模型
regressor = LinearRegression()
regressor.fit(X_train, y_train)

# 预测测试集结果
y_pred = regressor.predict(X_test)

# 输出结果
print("实际结果：", y_test)
print("预测结果：", y_pred)

其中，`weather_data.csv`是包含天气数据的CSV文件。在此代码中，我们使用线性回归模型来对最高气温和最低气温进行预测。我们先将数据集分成训练集和测试集，然后使用训练集来训练线性回归模型。最后，我们使用测试集来评估模型的预测准确度。