第1课　什么是 sklearn——fit 与 predict 心智模型

单元一

第1课　什么是 sklearn——fit 与 predict 心智模型

一、任务目标

用一张「小表」训练近邻模型，对新人做一次预测。

二、核心概念讲清楚

机器学习 ≈ 用许多带答案的例子找规律，再对新人预测。sklearn 是工具箱；fit 负责「学」，predict 负责「猜」。

fit(X, y)：用特征表 X 和标签 y 学习
predict(新X)：对没见过的样本给出预测
KNeighborsClassifier：看「最近的邻居」投票决定类别

1准备小表写出几行特征与标签

2创建模型如近邻分类器

3fit 学习把例子「教」给模型

4predict 预测输入新人特征看结果

三、跟着想一遍（小例子）

四个人：身高体重 [[150,40],[152,42],[170,65],[172,68]]，标签 [0,0,1,1]。fit 后预测 [160,55]，模型会找最近邻居投票得到 0 或 1。

易错：还没 fit 就 predict，或把标签和特征弄反。

正确：先 fit(X,y)，再对「只有特征、没有答案」的新行 predict。

想一想：考试前刷题像哪一步？开考做新卷像哪一步？（提示：刷题≈fit，开考≈predict。）

四、解题思路

任务：用一张「小表」训练近邻模型，对新人做一次预测。先想清楚：输入是什么、处理后得到什么、屏幕上应出现什么。

本课主要用到：屏幕输出。

1明确任务「用一张「小表」训练近邻模型，对新人做一次预测。」：运行后你希望看到什么结果（文字、图形或计算结果）。
2用 print 把结果说出来，确认屏幕上出现预期内容。
3对照参考代码跑通后，只改一个参数，观察结果如何变化。

流程示意（可对照左侧文字）

五、语句功能讲解

下面只列出本课首次出现的语句／函数。已在前面课讲过的不再重复；先认新语句，再对照参考代码。

语句	作用	本课用法
`print()`	把内容显示到屏幕	括号里是要说出来的话或计算结果。
`fit()`	训练模型	用已标注数据学习。
`predict()`	用模型预测	对新样本给出结果。
`sklearn()`	机器学习工具箱	用现成算法做训练与预测。

六、知识点讲解

模型是从数据里学到的可复用规则；训练就是用带标签（或可反馈）的数据不断调整，使预测越来越准。要分清：训练看的是「学习过程」，测试看的是「没见过的新例子行不行」。

先弄清本课输入与输出，再进编程练习对照现象。

七、编程练习

先理解上面的例子，再在下方 Mixly 运行与检查（含 scikit-learn）。

选择题目

阅读后运行，看两次预测结果。

参考代码（对照抄写到下方 Mixly）

from sklearn.neighbors import KNeighborsClassifier

# 特征 X：身高(cm)、体重(kg)  →  标签 y：0=矮组，1=高组（示意）
X = [[150, 40], [152, 42], [170, 65], [172, 68]]
y = [0, 0, 1, 1]

model = KNeighborsClassifier(n_neighbors=1)
model.fit(X, y)                 # 学：记住这些例子
print("预测 [160, 55]:", model.predict([[160, 55]])[0])
print("预测 [175, 70]:", model.predict([[175, 70]])[0])

九、本节小结

机器学习 ≈ fit 学 + predict 猜；sklearn 是装这些工具的箱子。import sklearn 看版本。