给我一个机器学习的案例，附带代码

以下是一个简单的机器学习案例，使用 Python 编程语言和 Scikit-learn 库实现。

任务：基于房屋面积和房价历史数据，训练一个线性回归模型，预测新房屋的价格。

代码：

import pandas as pd
from sklearn.linear_model import LinearRegression

# 读取数据集
data = pd.read_csv('house_price.csv')

# 提取特征和标签
X = data['area'].values.reshape(-1, 1)
y = data['price'].values.reshape(-1, 1)

# 训练模型
reg = LinearRegression().fit(X, y)

# 预测新数据
new_data = [[70], [80], [90]] # 新房屋的面积
predicted_prices = reg.predict(new_data)

print(predicted_prices)

数据集 house_price.csv 包含两列数据：房屋面积和房价。首先读取数据集并提取特征和标签，然后使用 LinearRegression 类训练模型。最后，我们使用训练好的模型预测新房屋的价格。

请注意，这只是一个简单的示例，并不代表实际的机器学习应用程序。在实际应用中，需要更多的数据预处理、特征工程和模型调整等步骤。