9、机器学习模型选择、调优与部署全流程指南

机器学习模型选择、调优与部署全流程指南

1. 选择并训练模型

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管道编写后，就可以开始选择并训练机器学习模型了。

1.1 在训练集上训练和评估

首先，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)

在训练集的部分实例上进行测试：

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))

使用mean_squared_error函数计算该回归模型在整个训练集上的RMSE：

from sklearn.metrics import mean_squared_error housing