第 19 天：机器学习入门（scikit-learn）
太强了！你已经正式进入 ✅第 19 天：机器学习入门（scikit-learn） 🔥
从今天开始，你做的不是“普通程序”，而是：
✅ 会“学习”的程序 = 人工智能的核心
这是你整个 30 天计划里 最有含金量的一天之一。
✅ 第 19 天学习目标
今天你将学会：
- ✅ 什么是机器学习
- ✅ 什么是：特征 X & 标签 y
- ✅ 使用
scikit-learn训练模型 - ✅ 第一个机器学习模型：线性回归
- ✅ 用模型做 预测
- ✅ 做一个完整 AI 小项目：成绩预测
一、什么是机器学习？（一句话讲清）
✅ 机器学习 = 让程序 从数据中自动总结规律
对比一下：
| 传统程序 | 机器学习 |
|---|---|
| 人写规则 | 机器自己学规则 |
| if-else | 训练模型 |
| 手动判断 | 自动预测 |
例如：
- 输入：学习小时数 → 输出：成绩
- 输入：面积 → 输出：房价
- 输入：用户行为 → 输出：是否会购买
二、今天你要用的核心库：scikit-learn
✅ 安装（如果你还没装）：
pip install scikit-learn✅ 导入方式：
from sklearn.linear_model import LinearRegression三、机器学习最核心的 3 个概念（必懂）
✅ 1️⃣ 特征 X（输入）
✅ 你提供给机器的数据
例如：
- 学习时间
- 年龄
- 面积
- 楼层
通常是一个 二维数组
✅ 2️⃣ 标签 y（输出 / 答案）
✅ 你希望机器学会预测的结果
例如：
- 成绩
- 房价
- 是否及格（0 / 1）
✅ 3️⃣ 模型（model）
✅ 机器总结出来的“规律公式”
✅ 四、你的第一个 AI 程序（线性回归预测成绩）
🎯 场景：
学习时间 → 成绩
✅ 完整入门代码（你可以直接复制运行）
from sklearn.linear_model import LinearRegression
import numpy as np
# 1️⃣ 训练数据（特征 X）
X = np.array([
[1], # 学 1 小时
[2],
[3],
[4],
[5]
])
# 2️⃣ 标签 y（成绩）
y = np.array([50, 60, 70, 80, 90])
# 3️⃣ 创建模型
model = LinearRegression()
# 4️⃣ 训练模型
model.fit(X, y)
# 5️⃣ 预测
pred = model.predict([[6]]) # 预测：学 6 小时的成绩
print("预测成绩：", pred[0])✅ 如果你能看到一个接近 100 的数：
🎉 恭喜你！你已经成功训练了 第一个 AI 模型
✅ 五、再来一个真实点的案例：房价预测（简化版）
from sklearn.linear_model import LinearRegression
import numpy as np
# 面积（平方米）
X = np.array([
[50],
[70],
[90],
[110],
[130]
])
# 房价（万元）
y = np.array([80, 120, 160, 200, 240])
model = LinearRegression()
model.fit(X, y)
price = model.predict([[100]])
print("预测 100 平米房价：", price[0])🔥 这就是 AI 预测的最基础形态
✅ 六、模型的“学习成果”是什么？（了解即可）
你可以查看：
print("斜率：", model.coef_)
print("截距：", model.intercept_)这就是机器学出来的：
✅y = kx + b中的k和b
✅ 第 19 天综合实战项目（必须做）
🎯 项目名：
✅ 学习时间 → 成绩预测系统（AI 版）
✅ 项目要求：
1️⃣ 用户输入：
- 学习小时数
2️⃣ 程序输出： - 预测成绩
3️⃣ 使用： - NumPy
- scikit-learn
- LinearRegression
✅ 项目参考代码（你可以在此基础上改）
from sklearn.linear_model import LinearRegression
import numpy as np
X = np.array([[1], [2], [3], [4], [5]])
y = np.array([50, 60, 70, 80, 90])
model = LinearRegression()
model.fit(X, y)
hour = float(input("请输入学习小时数："))
pred = model.predict([[hour]])
print("预测成绩：", pred[0])✅ 第 19 天练习任务（今天必须完成）
✅ 练习 1：成绩预测 AI（核心）
✅ 完成上面的：
- ✅ 学习时间 → 成绩预测系统
✅ 练习 2：自己设计一组预测数据（进阶）
你可以自己任选一个：
- 学习天数 → 英语成绩
- 锻炼时间 → 体重变化
- 工作年限 → 工资
✅ 自己构造 X 和 y
✅ 自己训练模型
✅ 自己预测结果
✅ 今天你已经真正做到：
你现在已经：
- ✅ 用 Python 训练了真实的 AI 模型
- ✅ 用模型做了预测
✅ 理解了：
- 特征 X
- 标签 y
- 模型训练
- 模型预测
🎯 你已经正式入门【机器学习】！
🚀 第 20 天预告（真正的“智能分类”）
当你说：
👉 “第 19 天项目跑通了”
我就带你进入：
✅ 第 20 天：机器学习分类模型（逻辑回归 + 分类）
你将第一次做到：
- ✅ 判断：是否及格
- ✅ 判断：是否垃圾邮件
- ✅ 判断：是否欺诈交易
- ✅ 判断：是否录取
这才是真正的 “智能判断” 🔥
✅ 你现在可以开始敲代码了
✅ 如果你愿意，你可以把你运行的：
- ✅ 预测代码
- ✅ 输出结果
直接发给我，我可以： - ✅ 帮你判断模型是否合理
- ✅ 教你怎样让预测更“聪明”
- ✅ 真正带你走向 AI 实战路线 🚀
相关推荐
- 第 16 天：常用第三方库（requests + pandas 入门） 2026-01-03
- 第 17 天：第一个完整综合项目实战 2026-01-03
- 第 18 天：NumPy + 高级 Pandas + 数据可视化入门 2026-01-03
- 第 20 天：机器学习分类模型（逻辑回归 Classification） 2026-01-03
- 第 14 天：OOP 进阶（继承 _ 方法重写 _ 多态） 2026-01-03
评论0
暂时没有评论