Scikit-learn 使用步驟

Scikit-learn 是 Python 中的一個機器學習工具，可以幫助電腦學習如何預測結果，例如：

預測房價 🏡💰
判斷圖片是貓還是狗 🐱🐶
分析客戶的購買行為 🛒👥

這些事情只要幾行程式碼就能完成！🎯

📌 1. Scikit-learn 的基本使用流程

使用 Scikit-learn 來做機器學習，大致可以分成 5 個步驟：

1️⃣ 準備數據（Data Collection）

📌 我們需要讓 AI 學習一些資料，才能做預測！

例如：

預測房價 ➜ 需要「坪數」和「房價」的數據
辨識動物 ➜ 需要「動物圖片」和「標籤（貓 or 狗）」
推薦電影 ➜ 需要「使用者歷史紀錄」

📌 範例：預測房價

# X 是坪數（輸入值），y 是房價（預測值）
X = [[10], [20], [30], [40], [50]]  # 坪數
y = [100, 200, 300, 400, 500]  # 房價（萬元）

2️⃣ 建立機器學習模型（Choose a Model）

📌 選擇適合的機器學習模型，像是：

分類（Classification）：分辨貓 or 狗 🐱🐶
迴歸（Regression）：預測房價 📈🏡
聚類（Clustering）：分組顧客類型 👥

📌 預測房價，我們用「線性回歸（Linear Regression）」

from sklearn.linear_model import LinearRegression

# 建立模型
model = LinearRegression()

3️⃣ 訓練 AI（Train the Model）

📌 讓 AI 讀取數據，找出規律！

model.fit(X, y)  # 訓練 AI

這時候，AI 會學到：

坪數 10 → 房價 100
坪數 20 → 房價 200
找出房價與坪數的關係！

4️⃣ 讓 AI 預測結果（Make Predictions）

📌 AI 讀取新資料，幫我們預測答案！

predicted_price = model.predict([[60]])  # 預測 60 坪的房價
print(predicted_price)

💡 AI 可能會說：「大約 600 萬元」🎯

5️⃣ 評估 AI 準確度（Evaluate the Model）

📌 檢查 AI 準確率，看看是否需要改善！

accuracy = model.score(X, y)  # 計算準確度
print(f"模型準確度：{accuracy:.2f}")

🎯 如果準確度太低，可以：

加入更多數據
更改模型
調整參數

📌 2. 完整範例：預測房價

💡 這段程式碼完整展示如何使用 Scikit-learn 預測房價！

from sklearn.linear_model import LinearRegression

# 1️⃣ 準備數據（坪數 & 房價）
X = [[10], [20], [30], [40], [50]]  # 坪數
y = [100, 200, 300, 400, 500]  # 房價（萬元）

# 2️⃣ 建立模型
model = LinearRegression()

# 3️⃣ 訓練 AI
model.fit(X, y)

# 4️⃣ 預測 60 坪房價
predicted_price = model.predict([[60]])
print(f"預測 60 坪房價：約 {predicted_price[0]:.2f} 萬元")

# 5️⃣ 檢查 AI 準確率
accuracy = model.score(X, y)
print(f"模型準確度：{accuracy:.2f}")

📌 這樣 AI 就能學習房價規律，並幫你預測未來的價格！

📝 3. 總結

步驟	說明	範例
1️⃣ 準備數據	提供數據讓 AI 學習	坪數 & 房價
2️⃣ 選擇模型	使用適合的機器學習模型	線性回歸
3️⃣ 訓練 AI	讓 AI 找出規律	`model.fit(X, y)`
4️⃣ 預測結果	讓 AI 預測新資料	`model.predict([[60]])`
5️⃣ 檢查準確率	評估 AI 的學習效果	`model.score(X, y)`

📌 簡單來說，Scikit-learn 讓我們能夠「訓練 AI」，幫助我們解決問題！🚀🔥