9、机器学习模型选择、训练与调优全流程指南

机器学习模型选择、训练与调优全流程指南

1. 选择和训练模型

在完成问题定义、数据获取与探索、训练集和测试集划分以及数据转换流水线搭建后，我们终于可以开始选择和训练机器学习模型了。

1.1 在训练集上训练和评估

1.1.1 线性回归模型

首先，我们训练一个线性回归模型，代码如下：

from sklearn.linear_model import LinearRegression
lin_reg = LinearRegression()
lin_reg.fit(housing_prepared, housing_labels)

然后，我们在训练集的几个实例上进行测试：

some_data = housing.iloc[:5]
some_labels = housing_labels.iloc[:5]
some_data_prepared = full_pipeline.transform(some_data)
print("Predictions:", lin_reg.predict(some_data_prepared))
print("Labels:", list(some_labels))

接着，使用 Scikit-Learn 的 mean_squared_error() 函数计算该回归模型在整个训练集上的 RMSE：