AI入门：用Python实现第一个机器学习模型

引言：为什么你需要学习AI？

人工智能（AI）正在改变世界，从推荐算法到自动驾驶，它无处不在。但很多人认为AI开发门槛太高，需要深厚的数学和编程基础。其实，借助现代工具，即使没有博士学位，你也可以在30分钟内构建一个能预测房价的模型。本文将通过一个经典案例——波士顿房价预测，带你完成从零到一的AI开发体验。

第一步：搭建开发环境

首先，确保你的电脑安装了Python 3.7+。推荐使用Anaconda发行版，它预装了数据科学常用库。打开终端或命令提示符，运行以下命令安装必要库：

pip install numpy pandas scikit-learn matplotlib

第二步：加载并探索数据

我们将使用Scikit-learn内置的波士顿房价数据集。这个数据集包含506个样本，每个样本有13个特征（如犯罪率、房间数等），目标变量是房价中位数（单位：千美元）。

from sklearn.datasets import load_boston
import pandas as pd

# 加载数据
boston = load_boston()
df = pd.DataFrame(boston.data, columns=boston.feature_names)
df['PRICE'] = boston.target

# 查看数据前5行
print(df.head())
print('数据形状:', df.shape)

第三步：数据预处理

机器学习模型要求数值型输入，且特征尺度应相近。我们检查缺失值，并对特征进行标准化：

# 检查缺失值
print(df.isnull().sum())

# 分割特征和目标
X = boston.data
y = boston.target

# 标准化特征
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

第四步：划分训练集和测试集

将数据分为训练集（80%）和测试集（20%），用于评估模型泛化能力：

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(
    X_scaled, y, test_size=0.2, random_state=42
)
print('训练集样本数:', X_train.shape[0])
print('测试集样本数:', X_test.shape[0])

第五步：训练线性回归模型

线性回归是最简单的机器学习算法之一，适合入门。它试图找到一条直线（或超平面）来拟合数据：

from sklearn.linear_model import LinearRegression

# 创建模型
model = LinearRegression()

# 训练模型
model.fit(X_train, y_train)

# 查看模型参数
print('截距:', model.intercept_)
print('系数:', model.coef_[:5], '...')  # 只显示前5个

第六步：评估模型性能

使用均方误差（MSE）和决定系数（R²）评估模型：

from sklearn.metrics import mean_squared_error, r2_score

# 预测
y_pred = model.predict(X_test)

# 计算指标
mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)

print(f'均方误差 (MSE): {mse:.2f}')
print(f'决定系数 (R²): {r2:.2f}')

第七步：可视化结果

绘制预测值与真实值的散点图，直观感受模型效果：

import matplotlib.pyplot as plt

plt.scatter(y_test, y_pred, alpha=0.6)
plt.plot([y_test.min(), y_test.max()], [y_test.min(), y_test.max()], 'r--')
plt.xlabel('真实价格')
plt.ylabel('预测价格')
plt.title('真实 vs 预测房价')
plt.show()

进阶：尝试更复杂的模型

线性回归只是起点。你可以尝试决策树、随机森林等模型，看看能否提升性能：

from sklearn.ensemble import RandomForestRegressor

rf_model = RandomForestRegressor(n_estimators=100, random_state=42)
rf_model.fit(X_train, y_train)
y_pred_rf = rf_model.predict(X_test)

print('随机森林 R²:', r2_score(y_test, y_pred_rf))

总结与下一步

恭喜！你刚刚完成了第一个机器学习项目。核心步骤包括：环境搭建、数据加载、预处理、模型训练与评估。这个流程适用于绝大多数监督学习任务。下一步可以学习：特征工程、超参数调优、深度学习等。记住，实践是最好的老师，尝试用这个流程分析你自己的数据集吧！