金钱能让人更快乐吗？手把手教你用机器学习找到答案( 二 ) 导读：本文通过“金钱能让人

现在，（对于线性模型而言）模型基本接近训练数据，如图1-19所示。
文章插图
▲图1-19：最拟合训练数据的线性模型
现在终于可以运行模型来进行预测了。例如，你想知道塞浦路斯人有多幸福，但是经合组织的数据没有提供答案。幸好你有这个模型可以做出预测：先查查塞浦路斯的人均GDP是多少，发现是22 587美元，然后应用到模型中，发现生活满意度大约是4.85 + 22 587×4.91×10^(-5) = 5.96 。
为了激发你的兴趣，示例1-1是一段加载数据的Python代码，包括准备数据，创建一个可视化的散点图，然后训练线性模型并做出预测。

示例1-1：使用Scikit-Learn训练并运行一个线性模型

import matplotlib.pyplot as pltimport numpy as npimport pandas as pdimport sklearn.linear_model# Load the dataoecd_bli = pd.read_csv("oecd_bli_2015.csv", thousands=',')gdp_per_capita = pd.read_csv("gdp_per_capita.csv",thousands=',',delimiter='\t',encoding='latin1', na_values="n/a")# Prepare the datacountry_stats = prepare_country_stats(oecd_bli, gdp_per_capita)X = np.c_[country_stats["GDP per capita"]]y = np.c_[country_stats["Life satisfaction"]]# Visualize the datacountry_stats.plot(kind='scatter', x="GDP per capita", y='Life satisfaction')plt.show()# Select a linear modelmodel = sklearn.linear_model.LinearRegression()# Train the modelmodel.fit(X, y)# Make a prediction for CyprusX_new = [[22587]]# Cyprus's GDP per capitaprint(model.predict(X_new)) # outputs [[ 5.96242338]]

如果使用基于实例的学习算法，你会发现斯洛文尼亚的人均GDP最接近塞浦路斯（20 732美元），而经合组织的数据告诉我们，斯洛文尼亚人的生活满意度是5.7 ，因此你很可能会预测塞浦路斯的生活满意度为5.7 。
如果稍微拉远一些，看看两个与之最接近的国家——葡萄牙和西班牙的生活满意度分别为5.1和6.5 。取这三个数值的平均值，得到5.77 ，这也非常接近基于模型预测所得的值。这个简单的算法被称为k-近邻回归（在本例中， k = 3）。
要将前面代码中的线性回归模型替换为k-近邻回归模型非常简单，只需要将下面这行代码：
import sklearn.linear_modelmodel = sklearn.linear_model.LinearRegression()替换为：
import sklearn.neighborsmodel = sklearn.neighbors.KNeighborsRegressor(n_neighbors=3)如果一切顺利，你的模型将会做出很棒的预测。如果不行，则需要使用更多的属性（例如就业率、健康、空气污染等），获得更多或更高质量的训练数据，或者选择一个更强大的模型（例如，多项式回归模型）。
简而言之：

研究数据。
选择模型。
使用训练数据进行训练（即前面学习算法搜索模型参数值，从而使成本函数最小化的过程）。
最后，应用模型对新示例进行预测（称为推断），希望模型的泛化结果不错。

以上就是一个典型的机器学习项目。
关于作者：奥雷利安·杰龙（Aurélien Géron）是机器学习方面的顾问。他曾就职于Google ，在2013年到2016年领导过YouTube视频分类团队。他是Wifirst公司的创始人并于2002年至2012年担任该公司的首席技术官。 2001年，他创办Ployconseil公司并任首席技术官。
本文摘编自《机器学习实战：基于Scikit-Learn、Keras和TensorFlow》（原书第2版），经出版方授权发布。

文章插图
延伸阅读《机器学习实战》（原书第2版）
【金钱能让人更快乐吗？手把手教你用机器学习找到答案】推荐语：“美亚”人工智能畅销榜首图书，基于TensorFlow2全面升级，内容增加近一倍！Keras之父鼎力推荐，从实践出发，手把手教你从零开始搭建起一个神经网络。