自学教程 学编程从这里开始

Python 入门机器学习

机器学习

Python 是机器学习领域最主流的编程语言。它拥有丰富的科学计算库，代码简洁易读，上手门槛低，绝大多数机器学习项目都使用 Python 开发。

1. 机器学习常用 Python 库

入门阶段优先掌握下面4个核心库：

  • NumPy：数值计算库，用于矩阵、数组运算，机器学习底层计算基础。
  • Pandas：数据处理库，用来读取、清洗、查看表格数据（结构化数据集）。
  • Matplotlib：可视化库，绘制折线图、散点图，查看数据分布、展示结果。
  • Scikit-learn：经典机器学习算法库，封装了线性回归、分类、聚类、数据划分等全套工具，适合入门。

本教程实战案例全部基于 scikit-learn，不需要手写复杂算法。

2. 环境安装

使用 pip 一键安装依赖包：

pip install numpy pandas matplotlib scikit-learn

安装完成后，在 Python 中导入验证：

import numpy
import pandas
import matplotlib
import sklearn

print("numpy版本:", numpy.__version__)
print("pandas版本:", pandas.__version__)
print("matplotlib版本:", matplotlib.__version__)
print("scikit-learn版本:", sklearn.__version__)

3. 完整入门实战：线性回归预测

我们用线性回归，根据房屋面积预测房价，完整流程：加载数据 → 数据准备 → 划分训练集测试集 → 训练模型 → 预测 → 可视化。

# 导入所需库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# 1. 构造数据集
data = {
    "area": [60, 70, 80, 90, 100, 110, 120, 130, 140, 150],
    "price": [120, 140, 160, 185, 200, 220, 245, 260, 280, 305]
}
df = pd.DataFrame(data)

# 2. 提取特征X和标签y
X = df[["area"]]  # 特征：房屋面积（二维格式）
y = df["price"]   # 标签：房价

# 3. 划分训练集、测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 4. 创建模型并训练
model = LinearRegression()
model.fit(X_train, y_train)

# 查看模型学到的参数
print(f"系数 w：{model.coef_[0]}")
print(f"截距 b：{model.intercept_}")

# 5. 使用模型预测
y_pred = model.predict(X_test)
print("真实房价：", y_test.values)
print("预测房价：", y_pred)

# 6. 评估模型：均方误差
mse = mean_squared_error(y_test, y_pred)
print(f"均方误差 MSE：{mse:.2f}")

# 7. 可视化结果
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.scatter(X_train, y_train, color="blue", label="训练数据")
plt.scatter(X_test, y_test, color="orange", label="测试数据")
plt.plot(X, model.predict(X), color="red", label="拟合直线")
plt.xlabel("房屋面积(㎡)")
plt.ylabel("房价(万元)")
plt.legend()
plt.show()

代码要点说明

  1. train_test_split：自动拆分训练集与测试集，test_size=0.2 代表20%数据作为测试集；random_state 固定随机种子，保证每次运行结果一致。
  2. LinearRegression()：创建线性回归模型。
  3. model.fit(X_train,y_train)：训练模型，模型从训练数据学习规律。
  4. model.predict()：推理预测，输入特征，输出预测结果。
  5. mean_squared_error：回归任务评估指标，误差越小代表模型效果越好。

⚠️ 常见踩坑：matplotlib 图表不显示

  • Jupyter：增加魔法命令 %matplotlib inline
  • VSCode：确认安装ipykernel；服务器环境可注释 plt.show()，改用 plt.savefig("result.png") 保存图片。

4. 机器学习项目标准Python工作流程

  1. 导入库：引入numpy、pandas、算法模型等
  2. 加载&清洗数据：读取csv，处理缺失值、异常值
  3. 准备特征与标签：分离X(特征)、y(标签)
  4. 数据集划分：训练集、测试集
  5. 创建模型：实例化算法
  6. 模型训练 fit()
  7. 预测 predict()
  8. 模型评估
  9. 可视化 / 保存模型

5. 模型保存与加载（拓展）

训练好的模型可以保存到本地，不用每次重新训练：

import joblib

# 保存模型
joblib.dump(model, "house_price_model.pkl")

# 加载模型
loaded_model = joblib.load("house_price_model.pkl")

# 使用加载后的模型做新预测
new_area = pd.DataFrame([[105]], columns=["area"])
result = loaded_model.predict(new_area)
print(f"面积105㎡的预测房价：{result[0]:.2f} 万元")

本章小结

  1. Python机器学习核心四大库：NumPy、Pandas、Matplotlib、Scikit-learn。
  2. fit() 训练模型；predict() 用来预测。
  3. 数据集需要拆分训练集、测试集，用来评估泛化能力。
  4. 训练后的模型可以通过 joblib 持久化保存，重复使用。
  5. 完整项目链路：数据准备 → 划分数据集 → 训练 → 预测 → 评估。

思考题

  1. scikit-learn库的作用是什么？
  2. fit() 和 predict() 分别在哪个阶段使用？
  3. 训练完成后如何保存模型，好处是什么？

0 条笔记