基于岭回归实现空气质量预测的python代码

以下基于岭回归实现空气质量预测的Python代码：

import pandas as pd
import numpy as np
from sklearn.linear_model import Ridge
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

# 读取数据
data = pd.read_csv('air_quality.csv')
# 提取特征和标签
X = data.iloc[:, :-1]
y = data.iloc[:, -1]
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
# 岭回归模型
ridge = Ridge(alpha=0.5)
ridge.fit(X_train, y_train)
# 预测
y_pred = ridge.predict(X_test)
# 评估
rmse = np.sqrt(mean_squared_error(y_test, y_pred))
print('RMSE:', rmse)

其中，'air_quality.csv'为数据文件名，需自行准备。数据格式为：第一列为PM2.5浓度，后面的列为特征，共计7个特征。alpha为岭回归系数，可调整。