快速切换模块

章节目录 (经典机器学习)

展开目录 ▼

经典机器学习17 章节

机器学习概览与通识

2 篇

01.机器学习通识与全景图 02.机器学习极简五步法

监督学习算法

7 篇

01.线性回归与正则化 02.逻辑回归与二分类评估 03.kNN 与朴素贝叶斯 04.决策树算法 05.支持向量机SVM 06.集成学习与随机森林 07.梯度提升树与 XGBoost / LightGBM

模型评估与诊断

3 篇

01.模型评估基础与交叉验证 02.分类模型评估指标 03.回归指标与模型诊断

无监督学习与推荐系统

4 篇

01.无监督学习与 K-Means 聚类 02.密度聚类与层次聚类 03.主成分分析与降维 04.推荐系统基础：协同过滤与矩阵分解

端到端项目实战

1 篇

01.端到端项目：客户流失预测

本模块进度0%

已完成 0 / 17 个章节

查看知识全景图

笔记库/经典机器学习/02.机器学习极简五步法

← 返回知识地图

02.机器学习极简五步法

难度: 入门预计阅读 20 分钟学习进度 0%

核心导读

掌握任何机器学习项目通效的极简五步法流程，理解特征 X、标签 y 与权重 w 的物理含义，明白为何必须划分训练集与测试集防死记硬背，并通过 10 行 Python 代码跑通第一个模型。

1. 问题导入：拿到数据后，第一步该干什么？

Tip

前置依赖：学习本章前，请先完成 01. 机器学习通识与全景图。

很多初学者刚接触机器学习时，往往觉得算法繁多、代码复杂。但实际上，无论多么复杂的机器学习项目（从房价预测、人脸识别到大语言模型训练），它们背后的标准工作流程都遵循着极其清晰的 5 步法则。

掌握了这“五步法”，你就掌握了所有机器学习项目的骨化主干。

2. 学习目标

完成本章学习后，你将能够：

牢记机器学习项目的标准极简五步法；
深刻理解 特征 $X$ 、标签 $y$ 与 权重 $w$ 三大核心要素；
用“平时做题 vs 期末考试”的比喻，解释为什么要划分训练集与测试集；
在浏览器中运行 10 行 Python 代码，完成你人生中第一个机器学习模型的训练与预测。

3. 机器学习极简五步法

React Flow 拓扑流程图

自适应框体与缩放

Step 1: 准备数据
(特征 X 与 标签 y)

Step 2: 划分数据集
(训练集 与 测试集)

Step 3: 选择模型
(如 LinearRegression)

Step 4: 训练模型
(model.fit)

Step 5: 评估与预测
(model.predict)

3.1 步骤详解

Step 1: 准备数据 (Data)
- 确定模型的输入条件特征 $X$ （如房屋面积 $x_1$ 、房间数 $x_2$ ）；
- 确定预测的目标标签 $y$ （如真实房价 $y$ ）。
Step 2: 划分训练集与测试集 (Split)
- 将手头的数据切分为两部分：训练集 (Train Set) 和 测试集 (Test Set)。
Step 3: 选择模型 (Model)
- 根据任务类型（回归还是分类）选择合适的算法模型（如预测连续房价选择线性回归）。
Step 4: 训练模型 (Train / Fit)
- 调用模型的训练方法（如 model.fit(X_train, y_train)），让模型自动学习参数权重 $w$ 和偏置 $b$ 。
Step 5: 评估与预测 (Evaluate & Predict)
- 用训练好的模型在测试集上预测 model.predict(X_test)，检查模型在新数据上的预测效果。

4. 核心三要素通俗解密

在机器学习的代码中，你会频繁看到 $X$ 、 $y$ 和 $w$ 这几个字母，它们代表了模型的灵魂：

Mermaid 流程示意图

矢量响应视图

正在渲染 Mermaid 流程图...

核心三要素通俗拆解

特征 $X$ (Feature)：已知信息的输入条件。例如预测房价时，房屋面积是特征 $X$ ；
标签 $y$ (Label)：想要预测的真实目标。例如房屋的真实售价是标签 $y$ ；
权重 $w$ 与偏置 $b$ (Weight & Bias)：模型在训练过程中自动学到的重要程度与规律。例如 $w = 3.0$ 表示“面积每增加 1 平方米，房价上涨 3 万元”。

5. 为什么要划分训练集与测试集？

假设老师在期末考试前，把考试原题和标准答案直接发给你背诵。考试时你考了 100 分，这能说明你真正掌握了知识吗？不能！你可能只是死记硬背了原题。

机器学习模型也是如此：

训练集 vs 测试集（防止死记硬背）

训练集 (Training Set, 80% 数据)：相当于平时做练习题，模型通过阅读练习题和参考答案来学习规律；
测试集 (Testing Set, 20% 数据)：相当于期末考试卷（模型在训练时绝对不能提前偷看），用来检验模型面对从未见过的“新题”时是否真正具备泛化能力。

如果模型在训练集上表现很好，但在测试集上表现极其糟糕，就说明模型产生了死记硬背（过拟合 Overfitting）！

6. 动手实战：10 行 Python 代码跑通第一个模型

请在下方的代码框中，点击 “运行代码”，体验如何使用 Python 最著名的机器学习库 scikit-learn 完成房屋面积到房价预测的极简闭环：

Scikit-Learn 线性回归极简五步实战

from sklearn.linear_model import LinearRegression

import numpy as np

# Step 1: 准备数据 (特征 X: 房屋面积平方米, 标签 y: 房价万元)

X = np.array([[50], [60], [80], [100], [120]]) # 5 个样本的面积

y = np.array([150, 180, 240, 300, 360]) # 对应的真实房价

# Step 2: 划分数据集 (这里示范简单的训练集与测试集)

X_train, y_train = X[:4], y[:4]

X_test, y_test = X[4:], y[4:]

# Step 3: 初始化线性回归模型

model = LinearRegression()

# Step 4: 训练模型 (让模型从训练数据中自动学习 w 和 b)

model.fit(X_train, y_train)

# Step 5: 用训练好的模型预测新房子 (120 平方米) 的售价

predicted_price = model.predict(X_test)

print(f"模型自动学到的权重 w: {model.coef_[0]:.2f} (即每平米 {model.coef_[0]:.2f} 万元)")

print(f"模型自动学到的偏置 b: {model.intercept_:.2f}")

print(f"对 120 平方米新房子的预测售价: {predicted_price[0]:.2f} 万元 (真实售价: {y_test[0]} 万元)")

7. 本节检查清单 (Checklist)

我能背出机器学习极简五步法（准备数据 $\to$ 划分数据集 $\to$ 选择模型 $\to$ 训练模型 $\to$ 预测评估）；
我能用自己的话解释特征 $X$ 、标签 $y$ 与权重 $w$ 的物理含义；
我理解为什么必须划分训练集与测试集（用期末考试比喻防死记硬背/过拟合）；
我成功在浏览器中运行了 scikit-learn 线性回归训练代码。

8. 课后互动自测