第10课　LinearRegression 预测｜写给初中生的机器学习

单元三

第10课　LinearRegression 预测

一、任务目标

用学习时长预测分数，或用面积预测房价（小数据）。

二、核心概念讲清楚

线性回归拟合一条「最佳直线」：y ≈ ax+b（多特征时是超平面）。用 fit 学 a、b，用 predict 估新值。

LinearRegression
适合趋势近似直线的关系
现实常有噪声，不会完美落在线上

1准备数值 y连续标签

2划分数据训练/测试

3fit 直线学系数

4predict 新点得到估计值

三、跟着想一遍（小例子）

若学习小时与分数近似直线，给出 3 小时可预测一个分数（不一定整数）。

易错：对明显弯曲的关系死套直线还不检查残差。

正确：先画散点看趋势，再决定是否线性回归。

想一想：为什么预测房价常用多个特征而不只一个？

四、解题思路

任务：用学习时长预测分数，或用面积预测房价（小数据）。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「用学习时长预测分数，或用面积预测房价（小数据）。」：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找出重复动作，用 for / range 写成循环，少抄几遍。
4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

本课用到的 Mixly 图形块均已在前面的课讲过。请直接对照编程练习搭积木；若有遗忘，回到该积木首次出现的课页复习。

六、知识点讲解

回归预测连续数值；用误差（如 MSE）和拟合优度衡量好坏，并与手算对照。

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

改小时数再跑，看预测变化。

参考代码（对照抄写到下方 Mixly）

from sklearn.linear_model import LinearRegression

# 学习时长(小时) → 测验分数
X = [[1], [2], [3], [4], [5]]
y = [55, 60, 68, 72, 80]
model = LinearRegression()
model.fit(X, y)
for h in [2.5, 6]:
    print(h, "小时 →", round(model.predict([[h]])[0], 1), "分")

九、本节小结

线性回归用直线做数值预测。