python机器学习入门例子

当然可以！Python是机器学习领域非常流行的编程语言，因其简单易用和强大的库支持而备受青睐。下面是一个简单的Python机器学习入门例子，使用scikit-learn库来训练一个线性回归模型。

首先，确保你已经安装了必要的库。如果没有安装，可以使用pip进行安装：

pip install numpy pandas scikit-learn matplotlib

然后，使用以下代码进行线性回归模型的训练和预测：

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt

# 生成示例数据
np.random.seed(0)
X = 2 * np.random.rand(100, 1)
y = 4 + 3 * X + np.random.randn(100, 1)

# 将数据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=0)

# 创建线性回归模型并进行训练
lin_reg = LinearRegression()
lin_reg.fit(X_train, y_train)

# 进行预测
y_pred = lin_reg.predict(X_test)

# 输出模型的系数和截距
print("模型系数:", lin_reg.coef_)
print("模型截距:", lin_reg.intercept_)

# 绘制结果
plt.scatter(X_test, y_test, color='blue', label='真实值')
plt.plot(X_test, y_pred, color='red', label='预测值')
plt.xlabel('X')
plt.ylabel('y')
plt.legend()
plt.show()

这个例子展示了如何使用scikit-learn库来创建一个简单的线性回归模型，并通过绘图来可视化预测结果。