第12课　回归小项目：调特征看变化｜写给初中生的机器学习

单元三

第12课　回归小项目：调特征看变化

一、任务目标

改变所用特征列数，观察测试 R² 如何变化。

二、核心概念讲清楚

项目不是堆代码，而是完整闭环：问题、数据、模型、分数、局限。诚实写出不足也算能力。

明确预测目标
报告测试集指标
说明数据来源与局限

1选题预测什么数值

2准备数据清洗与划分

3训练评估记录 MSE/R²

4写结论能做什么、不能做什么

三、跟着想一遍（小例子）

用学习时长预测分数：给出测试 R²，并说明「样本少、仅供课堂演示」。

易错：只贴截图分数，不写清数据与步骤。

正确：别人按你的说明能复现关键结果。

想一想：为什么项目要写「局限」？（提示：避免过度承诺。）

四、解题思路

任务：改变所用特征列数，观察测试 R² 如何变化。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「改变所用特征列数，观察测试 R² 如何变化。」：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

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

特征是从原始数据里抽出、对判断有用的量；标签是我们想预测的答案。分类就是根据特征给样本贴标签。特征选不好，后面模型再复杂也难做好。

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

同一 random_state 对比 R2。

参考代码（对照抄写到下方 Mixly）

from sklearn.datasets import load_diabetes
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score

X, y = load_diabetes(return_X_y=True)
# 只用前 3 个特征
X3 = X[:, :3]
X_train, X_test, y_train, y_test = train_test_split(
    X3, y, test_size=0.2, random_state=0
)
model = LinearRegression().fit(X_train, y_train)
print("3特征 R2:", round(r2_score(y_test, model.predict(X_test)), 3))

# 换成全部特征再比一次
X_train2, X_test2, y_train2, y_test2 = train_test_split(
    X, y, test_size=0.2, random_state=0
)
model2 = LinearRegression().fit(X_train2, y_train2)
print("全特征 R2:", round(r2_score(y_test2, model2.predict(X_test2)), 3))

九、本节小结

回归单元收官：会拟合、会读指标、会做特征小实验。下一单元看无标签的聚类与规范化流程。