【2026.4.23】大一学生的加州房价预测、SVM人脸识别

环境配置：

---

第一步：安装 Anaconda (Python 的“大管家”)

Anaconda 是一个包含了 Python 和大量科学计算包的发行版，用它来管理环境最省心。

1. 下载：

   • 前往 Anaconda 官网下载适合 Windows/Mac 的安装包。

2. 安装时的两个“千万注意”：

   • 安装路径不能有中文或空格！ 例如，不要装在 C:\Program Files（有空格）或者 D:\我的软件（有中文）下。建议直接装在 D:\Anaconda3。

   • 环境变量选项：安装过程中会有一个高级选项页面。不要勾选“Add Anaconda3 to my PATH environment variable”（除非你很清楚你在做什么），这容易搞坏系统原有的 Python 环境。请勾选“Register Anaconda3 as my default Python”。

3. 完成安装。

第二步：创建虚拟环境 (建立独立的“沙盒”)

为什么要建虚拟环境？因为不同的项目可能需要不同版本的库，把它们全装在一起容易“打架”。虚拟环境就像是给这个机器学习课专门建一个独立的沙盒。

1. 打开命令行：

   • 点击电脑左下角的 Windows 开始菜单，搜索并打开 Anaconda Prompt（一个黑色的命令行窗口）。你会看到命令行最前面有个 (base)，代表你现在在默认的基础环境里。

2. 创建环境：

   • 在黑框框里输入以下命令并回车（ml_env 是我们给这个沙盒起的名字，python=3.10 是指定 Python 版本）：

     Bash

     conda create -n ml_env python=3.10 -y
     

3. 激活（进入）环境：

   • 安装完成后，输入命令进入这个沙盒：

     Bash

     conda activate ml_env
     

   • 此时，命令行最前面的 (base) 会变成 (ml_env)，说明你进来了。

4. 安装机器学习必备工具包：

   • 在带有 (ml_env) 的命令行中输入以下命令。(注：为了防止下载过慢或报错，这里加入了清华大学的镜像源加速)：

     Bash

     pip install numpy pandas scikit-learn matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
     

   • 等待进度条跑完，提示 Successfully installed 即为成功。可以关闭黑框框了。

第三步：安装 PyCharm (写代码的“笔记本”)

1. 下载：

   • 前往 JetBrains 官网下载 PyCharm。

   • 注意：一定要下载 Community Edition（社区版），这个版本是免费的，对大一学生来说功能完全够用。不要下错成 Professional（专业版，需要付费或学校邮箱验证）。

2. 安装：

   • 一路“下一步”即可，安装路径同样建议避开中文。

第四步：将 PyCharm 与 Anaconda 连接起来 (最关键的一步)

现在我们有了写代码的软件 (PyCharm) 和运行代码的沙盒 (ml_env)，需要把它们连起来。

1. 新建项目：

   • 打开 PyCharm，点击 New Project。

   • Location（位置）：选择一个存放代码的文件夹，例如 D:\ML_Practice。

2. 配置解释器 (Python Interpreter)：

   • 在新建项目界面，找到 Python Interpreter（或 Project Interpreter）选项卡并展开。

   • 选中 Previously configured interpreter（使用之前配置的解释器），然后点击右侧的 Add Local Interpreter（添加本地解释器）。

3. 选择 Conda 环境：

   • 在弹出的窗口左侧菜单中，选择 Conda Environment。

   • 右侧的 Conda executable（Conda 可执行文件路径）：通常 PyCharm 会自动找到它。如果没有，你需要点击文件夹图标，手动找到你安装 Anaconda 的目录下的 Scripts\conda.exe（例如 D:\Anaconda3\Scripts\conda.exe）。点击 Load Environments。

   • 在 Use existing environment（使用现有环境）的下拉菜单中，找到并选中我们刚才创建的 ml_env。

   • 点击 OK，然后再点击底部的 Create 创建项目。

第五步：终极测试 (Hello World)

为了验证环境是不是真的配置好了，我们可以写三行代码测试一下。

1. 在 PyCharm 的左侧项目目录栏，右键点击你的项目文件夹 -> New -> Python File，命名为 test.py。

2. 在空白处输入以下代码：

   Python

   import sklearn
   import matplotlib.pyplot as plt
   
   print("恭喜！机器学习环境配置成功！版本号为：", sklearn.__version__)
   

3. 右键点击代码编辑区，选择 Run 'test'（或者点击右上角的绿色播放小三角）。

4. 如果下方控制台成功打印出了文字和版本号（例如 1.3.0 等），并且没有报红色的错误，那么环境配置大功告成，可以开始做那两个课题了。

以下使用jupyter Notebook

---

课题一：加州房价预测（线性回归）

已经将数据打包好了。请把数据包放到对应的文件夹。然后运行以下代码进行数据加载：

import pandas as pd
from sklearn.datasets import fetch_california_housing

print("正在加载数据...")
# 这次它会直接发现你放好的文件，不再去联网了
california = fetch_california_housing()
print("加载成功！")

X = pd.DataFrame(california.data, columns=california.feature_names)
X.head()

第一步：准备“考试题”——数据拆分
机器学习的核心逻辑是：通过一部分数据“学习”规律，再用另一部分没见过的数据“考试”。

在 Jupyter 中新建一个 Cell，输入并运行：

from sklearn.model_selection import train_test_split

# 定义目标变量 y
y = california.target

# 划分数据集：80% 训练，20% 测试
# random_state=42 保证每次运行的结果都一致
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

print(f"训练集大小: {X_train.shape}")
print(f"测试集大小: {X_test.shape}")

第二步：让模型“学习”——模型训练我们使用最经典的“线性回归”，让模型去寻找房屋特征与价格之间的 关系。

from sklearn.linear_model import LinearRegression

# 实例化模型
model = LinearRegression()

# 训练模型（这就是模型“学习”的过程）
model.fit(X_train, y_train)
print("模型训练完成！")

第三步：让模型“考试”——预测与评估
模型训练好后，我们用测试集（没见过的数据）来考核它的水平。

from sklearn.metrics import mean_squared_error, r2_score

# 在测试集上预测
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:.4f}")
print(f"R2 决定系数: {r2:.4f}")

第四步：直观展示——可视化结果
最后，通过图表直观地对比“真实价格”和“预测价格”。

import matplotlib.pyplot as plt

# 修正后的代码：直接使用 y_test[:50]
plt.figure(figsize=(10, 5))
plt.plot(y_test[:50], label='True Prices', marker='o', linestyle='-')
plt.plot(y_pred[:50], label='Predicted Prices', marker='x', linestyle='--')

plt.title("California Housing Price Prediction (First 50 Samples)")
plt.xlabel("Sample Index")
plt.ylabel("Price (in $100,000s)")
plt.legend()
plt.grid(True)
plt.show()

课题二：基于 SVM 的人脸识别（进阶版）

0.安装和更新依赖
 

!python -m pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple

!pip install --upgrade scikit-learn pillow -i https://pypi.tuna.tsinghua.edu.cn/simple

import matplotlib.pyplot as plt
from sklearn.datasets import fetch_lfw_people
from sklearn.model_selection import train_test_split
from sklearn.decomposition import PCA
from sklearn.svm import SVC
from sklearn.pipeline import make_pipeline
from sklearn.metrics import classification_report

print("库加载完成")

加载本地数据(把路径换成你自己的)

# 注意：在路径前面加一个 'r'，可以避免 Windows 反斜杠引起的转义错误
local_data_path = r'C:\Users\ShiYa\scikit_learn_data'

faces = fetch_lfw_people(
    data_home=local_data_path,  # 告诉函数去这里找 lfw_home 文件夹
    min_faces_per_person=60, 
    resize=0.4
)

# 打印一下确认是否加载成功
print(f"成功从 {local_data_path} 加载数据")
print(f"数据总样本数: {faces.images.shape[0]}")

# 随机显示 4 张图片
fig, ax = plt.subplots(1, 4, figsize=(10, 3))
for i, axi in enumerate(ax.flat):
    axi.imshow(faces.images[i], cmap='bone')
    axi.set(xticks=[], yticks=[], xlabel=faces.target_names[faces.target[i]])
plt.show()

（↑这是随机显示的，跟这个不一样也没关系）

模型训练准备

# 1. PCA：将像素矩阵压缩到 150 个主成分（Eigenfaces）
pca = PCA(n_components=150, whiten=True, random_state=42)

# 2. SVM：分类器，class_weight='balanced' 解决图片数量不平衡的问题
svc = SVC(kernel='rbf', class_weight='balanced')

# 3. 使用 Pipeline：把这两步串联成一条流水线
model = make_pipeline(pca, svc)

print("模型构建完成，准备开始训练")

模型开始训练

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(faces.data, faces.target, random_state=42)

# 训练
model.fit(X_train, y_train)
print("模型训练结束！")

评价指标打印

y_pred = model.predict(X_test)
print(classification_report(y_test, y_pred, target_names=faces.target_names))

效果可视化

fig, ax = plt.subplots(3, 5, figsize=(12, 9))
for i, axi in enumerate(ax.flat):
    axi.imshow(X_test[i].reshape(faces.images[0].shape), cmap='bone')
    axi.set(xticks=[], yticks=[])
    
    # 获取预测的名字
    pred_name = faces.target_names[y_pred[i]].split()[-1]
    # 如果预测对了标黑，错了标红
    color = 'black' if y_pred[i] == y_test[i] else 'red'
    axi.set_ylabel(pred_name, color=color)

fig.suptitle('Predicted Names; Incorrect Labels in Red', size=16)
plt.show()