机器学习化学产率预测代码

以下是一个使用Scikit-learn库实现的简单的机器学习化学产率预测代码示例：

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

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

# 将特征和标签分离
X = data.drop('yield', axis=1)
y = data['yield']

# 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=42)

# 定义线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X_train, y_train)

# 预测测试集
y_pred = model.predict(X_test)

# 打印模型评估指标
print('R-squared:', model.score(X_test, y_test))
print('Mean squared error:', mean_squared_error(y_test, y_pred))
print('Root mean squared error:', np.sqrt(mean_squared_error(y_test, y_pred)))

在此示例中，我们使用pandas库读取化学数据集并将其分为特征和标签。然后，我们使用train_test_split函数将数据集划分为训练集和测试集。接下来，我们使用Scikit-learn库中的LinearRegression类来定义线性回归模型，并使用fit方法训练模型。最后，我们使用模型来预测测试集，并打印出模型评估指标，例如R平方值和均方误差。请注意，这只是一个简单的示例，您可以根据自己的数据集和需求进行更改和调整。