python根据csv数据建立模型代码

以下是一个简单的Python代码示例，用于根据CSV数据建立模型：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# 读取csv文件
data = pd.read_csv('data.csv')

# 分离特征和目标变量
X = data.drop(columns=['target'])
y = data['target']

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 建立线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X_train, y_train)

# 预测结果
y_pred = model.predict(X_test)

# 评估模型
mse = mean_squared_error(y_test, y_pred)
print('模型均方误差为：', mse)

以上代码示例中，我们使用了pandas库读取了名为"data.csv"的CSV文件，并将数据分为特征和目标变量。然后使用train_test_split函数将数据集分为训练集和测试集，使用LinearRegression类建立线性回归模型，并使用fit方法训练模型。最后使用predict方法对测试集进行预测，并使用mean_squared_error函数计算模型的均方误差。