完整教程：《机器学习与深度学习》入门

1. Scikit-learn入门与线性回归实战指南

流程图：

flowchart TD
A[Scikit-learn入门与线性回归实战] --> B[环境准备与安装]
A --> C[机器学习核心流程理解]
A --> D[线性回归模型实战]
A --> E[模型评估与结果解读]
B --> B1["安装Scikit-learn库pip install scikit-learn"]
B --> B2["验证安装import sklearn"]
C --> C1["数据加载与预处理"]
C --> C2["数据集划分"]
C --> C3["模型训练与评估"]
D --> D1["选择线性回归算法"]
D --> D2["训练模型"]
D --> D3["进行预测"]
E --> E1["计算MSE均方误差"]
E --> E2["计算R²决定系数"]
E --> E3["结果可视化"]

1.1 环境准备与Scikit-learn安装

核心目标​：成功安装Scikit-learn库并验证安装。

1.1.1 安装Scikit-learn

• 确保你的Conda虚拟环境（如ai_env）是激活状态。
• 在终端中运行以下命令使用pip安装

# 使用pip安装，国内用户可添加清华源加速下载
pip install scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple
# 或者使用conda安装（如果你更习惯conda）
# conda install scikit-learn

1.1.2 验证安装

安装完成后，在终端中启动Python解释器，输入以下命令

import sklearn
print(sklearn.__version__)  # 输出安装的scikit-learn版本号

1.1.3 验收标准

• ✅ 终端执行安装命令无报错。
• ✅ 能成功导入sklearn库并打印出版本号。

1.2 理解机器学习流程与数据准备

核心目标​：理解机器学习的基本流程，并为线性回归模型准备数据。

1.2.1 机器学习基本流程

Scikit-learn中的机器学习工作流通常遵循以下步骤，理解它们对你后续的学习至关重要：

• ​数据加载与预处理​：获取数据，并进行清洗、归一化、编码等操作。
• ​划分训练集/测试集​：将数据集分为两部分，一部分用于训练模型，另一部分用于测试模型性能。
• ​选择模型​：根据任务选择合适的算法。
• ​训练模型​：使用训练数据来拟合模型。
• ​评估模型​：使用测试数据评估模型的性能

1.2.2 加载与准备数据

创建一个新的Python脚本（如linear_regression_demo.py），使用Scikit-learn内置的数据集进行练习：

# 导入必要的库
import numpy as np
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, r2_score
# 加载内置的糖尿病数据集（这是一个常用的回归数据集）
from sklearn.datasets import load_diabetes
diabetes = load_diabetes()
# 查看数据集描述（可选，但有助于理解数据）
# print(diabetes.DESCR)
# 指定特征（X）和目标变量（y）
X = diabetes.data  # 所有特征
y = diabetes.target  # 目标变量：糖尿病指数
# 将数据划分为训练集和测试集[7,8](@ref)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# test_size=0.2 表示20%的数据作为测试集
# random_state 确保每次分割的结果一致，便于复现结果

1.2.3 验收标准

• ✅ 能清晰描述机器学习流程中的关键步骤。
• ✅ 成功加载数据集并将其划分为训练集和测试集。

1.3 模型训练、评估与实战

核心目标​：训练你的第一个线性回归模型，并进行预测和评估。

1.3.1 训练线性回归模型

在同一个脚本中继续添加以下代码：

# 创建线性回归模型对象
model = LinearRegression()
# 使用训练数据训练模型[6,8](@ref)
model.fit(X_train, y_train)
# 使用训练好的模型对测试集进行预测[6,8](@ref)
y_pred = model.predict(X_test)

1.3.2 评估模型性能

继续添加评估代码：

# 计算均方误差（MSE）[9,11](@ref)
mse = mean_squared_error(y_test, y_pred)
print(f"均方误差（MSE）: {mse:.2f}")
# 计算决定系数（R²分数）[9,11](@ref)
r2 = r2_score(y_test, y_pred)
print(f"决定系数（R²分数）: {r2:.4f}")
# （可选）输出模型系数和截距，理解模型
print(f"模型系数: {model.coef_}")
print(f"模型截距: {model.intercept_}")

1.3.3 结果可视化

为了更直观地理解预测结果，可以绘制真实值与预测值的散点图：

# 绘制真实值与预测值的散点图
plt.figure(figsize=(8, 6))
plt.scatter(y_test, y_pred, alpha=0.5)
plt.xlabel("真实值")
plt.ylabel("预测值")
plt.title("线性回归预测结果：真实值 vs 预测值")
# 添加理想拟合线（y=x）
min_val = min(y_test.min(), y_pred.min())
max_val = max(y_test.max(), y_pred.max())
plt.plot([min_val, max_val], [min_val, max_val], color='red', linestyle='--')
plt.tight_layout()
plt.show()

1.3.4验收标准

• ✅ 成功训练线性回归模型并对测试集进行预测。
• ✅ 计算并输出了MSE和R²分数。对于糖尿病数据集，R²分数通常在0.3到0.5之间，这属于正常范围。
• ✅ （可选）成功绘制了真实值与预测值的对比图。