请求提供基于机器学习预测新数据点y值的Python代码

Hey there! 作为机器学习新手遇到插值失效的情况太正常了——毕竟插值对数据分布的假设比较强，遇到样本少或者非线性分布的场景就容易掉链子。我给你准备了两种上手简单、效果靠谱的回归方案，完全适配你的数据结构，直接就能跑起来～

方案1：K近邻回归（KNN Regression） #

KNN是最适合新手入门的模型之一，原理超直观：找新数据点附近最像的K个样本，用它们的y值加权平均来预测。特别适合你这种小样本场景，不用复杂的参数拟合。

完整代码 #

# 导入必要的库
import numpy as np
from sklearn.neighbors import KNeighborsRegressor

# 你的样本数据
x = [(1, 2), (1, 5), (1, 6), (2, 4), (2, 5), (2, 7), (3, 1), (3, 5), (3, 6)]
y = [2.3,5.6,9.0,8.6,4.2,13.5,11.0,1.3,5.0]

# 把数据转换成sklearn能处理的数组格式
X_train = np.array(x)
y_train = np.array(y)

# 初始化KNN回归模型，这里选k=3（可以根据效果调整，比如2、4都试试）
knn_model = KNeighborsRegressor(n_neighbors=3)

# 训练模型（KNN其实没有"训练"过程，只是把数据存起来）
knn_model.fit(X_train, y_train)

# 要预测的新数据点
new_points = np.array([(2, 3), (3, 4)])

# 执行预测
predictions_knn = knn_model.predict(new_points)

# 输出结果
print("KNN回归预测结果：")
for point, pred in zip(new_points, predictions_knn):
    print(f"数据点{point}对应的y预测值：{round(pred, 2)}")

小提示 #

• 可以调整n_neighbors的值试试：k太小容易过拟合（受异常值影响大），k太大容易欠拟合（预测结果太模糊）
• 如果你的数据特征量纲不一样，记得先做标准化（from sklearn.preprocessing import StandardScaler）

方案2：梯度提升回归树（Gradient Boosting Regressor） #

如果后续你的工作数据量变大，或者需要更稳定的预测效果，梯度提升树是更好的选择——它通过多个弱回归树的集成，能捕捉数据的非线性关系，效果比KNN更鲁棒。

完整代码 #

# 导入必要的库
import numpy as np
from sklearn.ensemble import GradientBoostingRegressor

# 你的样本数据
x = [(1, 2), (1, 5), (1, 6), (2, 4), (2, 5), (2, 7), (3, 1), (3, 5), (3, 6)]
y = [2.3,5.6,9.0,8.6,4.2,13.5,11.0,1.3,5.0]

# 转换数据格式
X_train = np.array(x)
y_train = np.array(y)

# 初始化梯度提升回归模型，参数可以按需调整
gbr_model = GradientBoostingRegressor(
    n_estimators=100,  # 弱树的数量，默认100，不用改也能跑
    learning_rate=0.1, # 学习率，越小模型越稳定但训练越慢
    max_depth=3        # 树的最大深度，防止过拟合
)

# 训练模型
gbr_model.fit(X_train, y_train)

# 要预测的新数据点
new_points = np.array([(2, 3), (3, 4)])

# 执行预测
predictions_gbr = gbr_model.predict(new_points)

# 输出结果
print("\n梯度提升回归预测结果：")
for point, pred in zip(new_points, predictions_gbr):
    print(f"数据点{point}对应的y预测值：{round(pred, 2)}")

小提示 #

• 新手可以先默认参数跑起来，后续再调n_estimators和max_depth优化效果
• 可以用交叉验证评估模型性能：from sklearn.model_selection import cross_val_score，比如scores = cross_val_score(gbr_model, X_train, y_train, cv=3)，看看模型的泛化能力

内容的提问来源于stack exchange，提问作者Abhas kumar