回归算法
回归预测连续数值：房价、销量、温度。分类分"是或不是"，回归算"是多少"。
常用回归算法
- 线性回归 LinearRegression：y = ax + b，最简单
- 岭回归 Ridge：加正则防过拟合
- 决策树/随机森林回归：非线性
- 梯度提升 GBDT/XGBoost：比赛神器
评估指标
均方误差 MSE、均方根误差 RMSE、R²（决定系数，越接近 1 越好）。
代码示例
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error, r2_score
import numpy as np
# 模拟房价数据：面积 → 价格
np.random.seed(42)
area = np.random.rand(200, 1) * 150 + 30 # 30-180 平米
price = area * 5000 + 100000 + np.random.randn(200, 1) * 30000
X_train, X_test, y_train, y_test = train_test_split(
area, price, test_size=0.2)
model = LinearRegression()
model.fit(X_train, y_train)
y_pred = model.predict(X_test)
print("R²:", r2_score(y_test, y_pred))
print("MSE:", mean_squared_error(y_test, y_pred))
print("每平米价格:", model.coef_[0][0])📚 Python 语法速查
常用条目速查，完整版见对应教程章节。可复制代码到在线运行中测试。
| 写法 / 语法 | 作用 |
|---|---|
print("hello") | 输出到控制台 |
name = "张三" | 变量赋值（无需声明类型） |
if x > 0: ... | 条件判断（注意冒号和缩进） |
for i in range(10): ... | 循环（缩进是语法的一部分） |
while x < 10: ... | 条件循环 |
def fn(a, b): return a + b | 定义函数 |
class Person: ... | 定义类 |
list = [1, 2, 3] | 列表（可改） |
tuple = (1, 2) | 元组（不可改） |
dict = {"key": "value"} | 字典（键值对） |
set = {1, 2, 3} | 集合（去重） |
len(obj) | 取长度 |
str(x) / int(x) / float(x) | 类型转换 |
s.split(",") | 字符串按分隔符拆分 |
" ".join(list) | 列表拼接成字符串 |
import os | 导入模块 |
from math import sqrt | 从模块导入指定函数 |
try: ... except Exception as e: ... | 异常捕获 |
with open("a.txt", "r") as f: ... | 文件读取（自动关闭） |
f"你好 {name}" | f-string 格式化 |
lambda x: x * 2 | 匿名函数 |
list(map(fn, arr)) | 函数式处理列表 |
range(start, stop, step) | 生成数字序列 |
if __name__ == "__main__": | 主入口判断 |
pip install 包名 | 安装第三方包（命令行） |