????(ML)? ???? ?????? ???? ???? ??? ?? ? ?? ??? ??? ?????. ??? ?? ?? ??? ??? ?? ????. ??? ??? ??? ??? ?? ?? ??? ?????. ?? ???? ? ?? ??? ?? ??? ??? ?????. ? ????? ?? ?? ???? ????, ?? ??? ????, ?? ??? ???? ?? ??? ???? ? ??? ????.

?? ???? ??????

?? ??? ????? ???? ??? ?????? ???? ??? ?? ?????. ?, ??? ???? ????? ?? ??? ??? ??(???)? ?????. ??? ??? ??? ?? ??? ??? ???? ??? ?? ??? ???? ?? ??? ??? ? ? ??? ?? ????.

?? ??? ?? ??

??? ?? ??:

• ??: ??? ???.
• ??: ???? "??"?? "?? ??"?? ???? ?????.
• ??? ??? ??? ?? ???? ???? ???? ??? ?????.

?? ??:

• ??: ?? ??(?: ??, ?? ?, ??)
• ??: ??.
• ??? ?? ???? ???? ??? ???? ??? ?????.

??? ??:

• ??: ?? ???(?: ??, ??? ??)
• ??: ??(?: "??" ?? "???")
• ??? ???? ?? ??? ???? ???? ??? ?????.

??? ???? ??????

??? ??? ????? ???? ???? ?? ?????? ???? ??? ?? ?????. ?? ??? ?? ??? ??? ???? ????. ?? ??? ??? ????? ??, ?? ?? ??? ???? ?????.

??? ??? ?? ??

?? ???:

• ??: ?? ???(?: ??, ?? ??, ??)
• ??: ?? ?? ??(?: '??? ???', '?? ???')
• ? ??? ??? ??? ??? ?? ??? ?????.

?? ??:

• ??: ???? ??? ???.
• ??: ??? ??? ??? ? ?? ????? ??? ?????.
• ??? ????? ????? ???? ?????.

???? ??:

• ??: ???? ?? ???.
• ??: ?? ?? ???? ?? ??(?: '?? ??')
• ??? ?? ?? ???? ?????.

?? ??? ??? ??? ?? ???

?? ??

? ?? ??? ??? ???? ?? ??? ??? ??? ??? ??? ????? ???????. ??? Python? ???? Scikit-learn ?????? ??? ????.

?? ?? ??: ?? ?? ??

??? ?? ?? ??? ???? ??? ?? ??? ???? ?? ??? ???????.

# 導(dǎo)入庫
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# 創(chuàng)建樣本數(shù)據(jù)集
data = {
    'SquareFootage': [1400, 1600, 1700, 1875, 1100, 1550, 2350, 2450, 1425, 1700],
    'Price': [245000, 312000, 279000, 308000, 199000, 219000, 405000, 324000, 319000, 255000]
}
df = pd.DataFrame(data)

# 特征 (X) 和標(biāo)簽 (y)
X = df[['SquareFootage']]
y = df['Price']

# 將數(shù)據(jù)分成訓(xùn)練集和測試集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 訓(xùn)練線性回歸模型
model = LinearRegression()
model.fit(X_train, y_train)

# 做出預(yù)測
y_pred = model.predict(X_test)

# 評(píng)估模型
mse = mean_squared_error(y_test, y_pred)
print(f"均方誤差：{mse:.2f}")

??? ??? ?: ?? ???

K-?? ????? ????? ???? ??? ??? ?? ??? ???? ??? ??????.

# 導(dǎo)入庫
import numpy as np
import pandas as pd
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

# 創(chuàng)建樣本數(shù)據(jù)集
data = {
    'Age': [25, 34, 22, 45, 32, 38, 41, 29, 35, 27],
    'SpendingScore': [30, 85, 20, 90, 50, 75, 80, 40, 60, 55]
}
df = pd.DataFrame(data)

# 特征 (X)
X = df[['Age', 'SpendingScore']]

# 訓(xùn)練 K 均值聚類模型
kmeans = KMeans(n_clusters=3, random_state=42)
df['Cluster'] = kmeans.fit_predict(X)

# 可視化集群
plt.scatter(df['Age'], df['SpendingScore'], c=df['Cluster'], cmap='viridis')
plt.xlabel('年齡')
plt.ylabel('消費(fèi)評(píng)分')
plt.title('客戶細(xì)分')
plt.show()

?? ??? ??? ??? ???? ?? ??

?? ??? ???? ??:

• ???? ??? ??????.
• ??? ????? ???? ???? ????.
• ?: ?? ??, ??? ??, ?? ??.

??? ??? ???? ??:

• ???? ???? ?? ???? ????.
• ??? ???? ??? ???? ????.
• ?: ??? ?????, ??? ??? ???, ?? ??? ????.

??

?? ??? ??? ??? ????? ? ?? ?? ????, ?? ??? ??? ?? ??? ????. ?? ??? ???? ??? ???? ?? ? ???? ? ????, ??? ??? ???? ???? ?? ????? ??? ???? ????? ??? ?????.

???? ???? ? ??? ?? ?? ?? ?? ??? ?? ?????? ???? ?? ?? ??? ??? ???. ??? ??? ??? ??? ???? ??? ??? ??? ?????.

? ??? ??? ???? ?? ??? ?? ?????. ??? ??? PHP ??? ????? ?? ?? ??? ?????!