Python 实用工具与机器学习入门：Rich + Tqdm + Faker + Schedule + Scikit-learn

恣艺2026-05-23 15:55

Python 实用工具与机器学习入门：Rich + Tqdm + Faker + Schedule + Scikit-learn

专栏：Python 常用工具库实战教程 | 第五篇

适合人群：Python 开发者、数据分析师、自动化运维工程师

目录

  • 前言：实用工具的价值
  • [第一章：Rich ------ 让终端焕然一新](#第一章：Rich —— 让终端焕然一新)
    • [1.1 Rich 是什么](#1.1 Rich 是什么)
    • [1.2 彩色文字与样式](#1.2 彩色文字与样式)
    • [1.3 精美表格](#1.3 精美表格)
    • [1.4 面板与布局](#1.4 面板与布局)
    • [1.5 语法高亮](#1.5 语法高亮)
    • [1.6 进度条](#1.6 进度条)
    • [1.7 树形结构与日志](#1.7 树形结构与日志)
    • [1.8 Emoji 与状态图标](#1.8 Emoji 与状态图标)
  • [第二章：Tqdm ------ 最优雅的进度条](#第二章：Tqdm —— 最优雅的进度条)
    • [2.1 基本用法](#2.1 基本用法)
    • [2.2 手动控制](#2.2 手动控制)
    • [2.3 与 Pandas/NumPy 配合](#2.3 与 Pandas/NumPy 配合)
  • [第三章：Faker ------ 造数据的神器](#第三章：Faker —— 造数据的神器)
    • [3.1 基本用法](#3.1 基本用法)
    • [3.2 多语言支持](#3.2 多语言支持)
    • [3.3 数据导出](#3.3 数据导出)
  • [第四章：Schedule ------ 优雅的定时任务](#第四章：Schedule —— 优雅的定时任务)
    • [4.1 基本用法](#4.1 基本用法)
    • [4.2 复杂调度](#4.2 复杂调度)
    • [4.3 实战案例](#4.3 实战案例)
  • [第五章：Scikit-learn ------ 机器学习入门](#第五章：Scikit-learn —— 机器学习入门)
    • [5.1 机器学习概述](#5.1 机器学习概述)
    • [5.2 数据准备与预处理](#5.2 数据准备与预处理)
    • [5.3 监督学习：分类](#5.3 监督学习：分类)
    • [5.4 监督学习：回归](#5.4 监督学习：回归)
    • [5.5 无监督学习：聚类](#5.5 无监督学习：聚类)
    • [5.6 模型评估与交叉验证](#5.6 模型评估与交叉验证)
  • 总结

前言

除了核心的数据处理库之外，Python 生态还有大量实用的小工具，它们虽然不起眼，却能在日常开发中大幅提升效率。本章将介绍四个实用工具和一个机器学习框架：

工具 定位 一句话
Rich 终端美化 让命令行输出像艺术品
Tqdm 进度条 让等待不再焦虑
Faker 数据生成 一键生成海量假数据
Schedule 定时任务 最优雅的 cron 替代
Scikit-learn 机器学习 机器学习界的瑞士军刀

第一章：Rich ------ 让终端焕然一新

1.1 Rich 是什么

Rich 是一个 Python 库，可以让你的终端输出变得五彩斑斓。它支持彩色文字、精美表格、进度条、语法高亮、树形结构等。如果你在开发 CLI 工具或命令行程序，Rich 是必备神器。

bash 复制代码 
pip install rich
python 复制代码 
from rich.console import Console
console = Console()

1.2 彩色文字与样式

Rich 支持丰富的文字样式：

python 复制代码 
from rich.console import Console
console = Console()

# 基本颜色
console.print("红色警告", style="bold red")
console.print("绿色成功", style="bold green")
console.print("蓝色信息", style="bold blue")

# 背景色
console.print("黄底黑字", style="black on yellow")

# 渐变效果
for i, char in enumerate("Hello, Rich!"):
    console.print(char, style=f"rgb({i*20},{255-i*10},{128+i*10})", end="")
console.print()

# 标记语法（类似HTML）
console.print("[bold red]重要[/bold red]: [green]操作成功[/green]")
console.print("[bold cyan]Python[/bold cyan] is [italic]awesome[/italic]!")
console.print("[link=https://python.org]点击访问 Python 官网[/link]")

支持的样式属性：

类别 值 示例
颜色 red, green, blue, yellow, magenta, cyan, white style="red"
亮色 bright_red, bright_green... style="bright_cyan"
RGB rgb(r,g,b) style="rgb(255,100,50)"
背景 on red, on #ffffff style="on blue"
粗体 bold style="bold"
斜体 italic style="italic"
下划线 underline style="underline"
删除线 strike style="strike"
反转 reverse style="reverse"
闪烁 blink style="blink"

1.3 精美表格

Rich 最引以为傲的功能就是精美的表格输出：

python 复制代码 
from rich.table import Table
from rich import box

table = Table(title="Python 工具库速查表", box=box.ROUNDED,
              show_lines=True, title_style="bold magenta",
              border_style="bright_blue")

table.add_column("库名", style="bold cyan", width=15)
table.add_column("用途", style="green", width=30)
table.add_column("安装命令", style="yellow", width=25)
table.add_column("评分", justify="center", width=8)

table.add_row("NumPy", "数组运算、矩阵计算", "pip install numpy", "⭐⭐⭐⭐⭐")
table.add_row("Pandas", "数据分析、表格处理", "pip install pandas", "⭐⭐⭐⭐⭐")
table.add_row("Matplotlib", "数据可视化", "pip install matplotlib", "⭐⭐⭐⭐⭐")
table.add_row("Requests", "HTTP请求", "pip install requests", "⭐⭐⭐⭐⭐")
table.add_row("Pillow", "图像处理", "pip install pillow", "⭐⭐⭐⭐")
table.add_row("BeautifulSoup", "HTML解析", "pip install beautifulsoup4", "⭐⭐⭐⭐")
table.add_row("Scrapy", "爬虫框架", "pip install scrapy", "⭐⭐⭐⭐")
table.add_row("Rich", "终端美化", "pip install rich", "⭐⭐⭐⭐")

console.print(table)

运行效果（终端中会显示彩色精美表格）：

1.4 面板与布局

python 复制代码 
from rich.panel import Panel
from rich.columns import Columns

# 基本面板
console.print(Panel("面板内容", title="标题", border_style="green"))

# 多面板并排
panel1 = Panel("左侧面板", border_style="green")
panel2 = Panel("右侧面板", border_style="blue")
console.print(Columns([panel1, panel2]))

# 带副标题和边框的面板
long_text = """Rich 库是 Python 中最强大的终端美化库之一。
它可以创建精美的表格、进度条、语法高亮代码块等。"""
console.print(Panel(long_text, title="Rich 库简介",
                     border_style="magenta", subtitle="Python 终端利器"))

1.5 语法高亮

python 复制代码 
from rich.syntax import Syntax

code = '''def fibonacci(n):
    """计算第n个斐波那契数"""
    if n <= 1:
        return n
    a, b = 0, 1
    for _ in range(2, n + 1):
        a, b = b, a + b
    return b

# 计算前10个
for i in range(10):
    print(f"fib({i}) = {fibonacci(i)}")'''

syntax = Syntax(code, "python", theme="monokai", line_numbers=True)
console.print(Panel(syntax, title="Python 代码示例", border_style="cyan"))

支持的语言包括：Python、JavaScript、Java、C++、Go、Rust、SQL、JSON、YAML、Markdown 等 100+ 种。

1.6 进度条

python 复制代码 
from rich.progress import (Progress, SpinnerColumn, TextColumn,
                             BarColumn, TimeElapsedColumn, MofNCompleteColumn)
import time

with Progress(
    SpinnerColumn(),
    TextColumn("[progress.description]{task.description}"),
    BarColumn(bar_width=40),
    TextColumn("[progress.percentage]{task.percentage:>3.0f}%"),
    MofNCompleteColumn(),
    TimeElapsedColumn(),
    console=console,
) as progress:
    task1 = progress.add_task("[red]下载数据...", total=100)
    task2 = progress.add_task("[green]处理中...", total=100)
    task3 = progress.add_task("[blue]分析中...", total=100)

    while not progress.finished:
        progress.update(task1, advance=1.5)
        progress.update(task2, advance=1.2)
        progress.update(task3, advance=0.8)
        time.sleep(0.05)

1.7 树形结构与日志

python 复制代码 
from rich.tree import Tree
from rich.console import Console

# 树形结构
tree = Tree("📁 project", guide_style="bold cyan")
tree.add("📄 requirements.txt")
src = tree.add("📁 src")
src.add("📄 main.py")
src.add("📄 utils.py")
tests = tree.add("📁 tests")
tests.add("📄 test_main.py")
console.print(tree)

# 日志
from rich.logging import RichHandler
import logging

logging.basicConfig(
    level=logging.INFO,
    format="%(message)s",
    datefmt="[%X]",
    handlers=[RichHandler()]
)
logger = logging.getLogger("rich")
logger.info("服务启动成功")
logger.warning("内存使用率超过80%")
logger.error("连接数据库失败")

1.8 Emoji 与状态图标

Rich 支持 Emoji 和状态图标，让输出更加直观：

python 复制代码 
console.print("✅ 任务完成")
console.print("❌ 连接失败")
console.print("⚠️  警告: 内存不足")
console.print("ℹ️  提示: 请更新版本")
console.print("🚀 部署成功!")
console.print("📦 正在安装依赖...")
console.print("🔍 搜索中...")
console.print("🔑 请先登录")
console.print("📊 数据分析完成")
console.print("🔄 正在同步...")

Rich 还能导出为 HTML：

python 复制代码 
html = console.export_html(clear=False)
with open('output.html', 'w') as f:
    f.write(html)

第二章：Tqdm ------ 最优雅的进度条

2.1 基本用法

Tqdm（来自阿拉伯语 taqaddum，意为"进展"）是 Python 中最流行的进度条库。它几乎零侵入------只需要一行代码就能给任何迭代器加上进度条。

bash 复制代码 
pip install tqdm
python 复制代码 
from tqdm import tqdm
import time

# 最简单的用法：直接包裹可迭代对象
for i in tqdm(range(100)):
    time.sleep(0.02)

# 输出: 100%|██████████| 100/100 [00:02<00:00, 49.50it/s]

# 自定义描述
for i in tqdm(range(100), desc="下载进度", unit="MB"):
    time.sleep(0.02)

# 输出: 下载进度: 100%|██████████| 100/100 [00:02<00:00, 49.50MB/s]

# 处理列表
data = list(range(1000))
for item in tqdm(data, desc="处理数据"):
    # 处理每个数据项
    pass

2.2 手动控制

python 复制代码 
from tqdm import tqdm
import time

# 手动更新进度
with tqdm(total=100, desc="安装中", unit="%) as pbar:
    for i in range(10):
        time.sleep(0.5)
        pbar.update(10)  # 每次更新10%

# 自定义后缀信息
with tqdm(total=100, desc="传输") as pbar:
    for i in range(100):
        time.sleep(0.02)
        pbar.set_postfix(loss=0.1/(i+1), acc=0.9+i*0.001)
        pbar.update(1)

# 输出: 传输: 100%|██████████| 100/100 [00:02<00:00, loss=0.001, acc=0.991]

2.3 与 Pandas/NumPy 配合

python 复制代码 
import pandas as pd
from tqdm import tqdm

# Pandas apply 进度条
tqdm.pandas(desc="Pandas处理")
df = pd.DataFrame({'data': range(1000)})
df['result'] = df['data'].progress_apply(lambda x: x ** 2)

# NumPy 手动进度
import numpy as np
data = np.random.rand(10000)
results = []
for i in tqdm(range(0, len(data), 100), desc="NumPy批量"):
    batch = data[i:i+100]
    results.extend(batch ** 2)

Tqdm 参数速查：

参数 说明 示例
total 总数量 total=100
desc 描述文字 desc="下载中"
unit 单位 unit="MB"
ncols 进度条宽度 ncols=80
position 多进度条位置 position=0
leave 完成后保留 leave=False
file 输出到文件 file=open('log.txt','w')

第三章：Faker ------ 造数据的神器

3.1 基本用法

在开发和测试时，经常需要大量的模拟数据。Faker 可以一键生成各种逼真的假数据。

bash 复制代码 
pip install faker
python 复制代码 
from faker import Faker

fake = Faker('zh_CN')  # 中文数据

# 个人信息
print(fake.name())         # 王伟
print(fake.phone_number()) # 13912345678
print(fake.address())      # 安徽省合肥市蜀山区XX路XX号
print(fake.email())        # wei@example.com
print(fake.company())      # 腾讯科技有限公司
print(fake.job())          # 软件工程师
print(fake.credit_card_number())  # 4123456789012345

# 文本
print(fake.text())         # 随机文本
print(fake.sentence())     # 随机句子
print(fake.paragraph())    # 随机段落

# 日期时间
print(fake.date())         # 2025-03-15
print(fake.date_time())    # 2025-03-15 14:30:00
print(fake.year())         # 2025

# 互联网
print(fake.user_name())    # zhangsan
print(fake.url())          # https://example.com/xxx
print(fake.ipv4())         # 192.168.1.1
print(fake.user_agent())   # Mozilla/5.0 ...

# 地理位置
print(fake.latitude())     # 31.2304
print(fake.longitude())    # 121.4737

3.2 多语言支持

Faker 支持 40+ 种语言和地区：

python 复制代码 
from faker import Faker

# 中文
zh = Faker('zh_CN')
print(zh.name())      # 李明
print(zh.address())   # 四川省成都市...

# 英文
en = Faker('en_US')
print(en.name())      # John Smith
print(en.address())   # 123 Main St, Springfield, IL

# 日文
ja = Faker('ja_JP')
print(ja.name())      # 山田太郎

# 韩文
ko = Faker('ko_KR')
print(ko.name())      # 김민수

# 多语言混合
multi = Faker(['zh_CN', 'en_US', 'ja_JP'])
for _ in range(3):
    print(multi.name())

3.3 数据导出

python 复制代码 
from faker import Faker
import pandas as pd
import json

fake = Faker('zh_CN')

# 生成 DataFrame
users = []
for _ in range(100):
    users.append({
        '姓名': fake.name(),
        '年龄': fake.random_int(min=18, max=65),
        '手机号': fake.phone_number(),
        '邮箱': fake.email(),
        '地址': fake.address(),
        '公司': fake.company(),
        '职位': fake.job(),
        '注册日期': fake.date_between(start_date='-2y', end_date='today'),
        '评分': round(fake.pyfloat(min_value=1.0, max_value=5.0), 1)
    })

df = pd.DataFrame(users)

# 导出为 CSV
df.to_csv('fake_users.csv', index=False, encoding='utf-8-sig')

# 导出为 JSON
df.to_json('fake_users.json', orient='records', force_ascii=False, indent=2)

# 导出为 Excel
df.to_excel('fake_users.xlsx', index=False)

print(f"已生成 {len(df)} 条假数据")
print(df.head())

自定义数据生成器：

python 复制代码 
from faker import Faker
from faker.providers import BaseProvider

fake = Faker('zh_CN')

# 自定义 Provider
class ProductProvider(BaseProvider):
    def product_category(self):
        categories = ['电子产品', '服装', '食品', '图书', '家居', '运动']
        return self.random_element(categories)

    def product_name(self):
        brands = ['苹果', '华为', '小米', '索尼', '三星']
        types = ['手机', '笔记本', '耳机', '手表', '平板']
        return f"{self.random_element(brands)} {self.random_element(types)}"

    def order_status(self):
        statuses = ['待付款', '已付款', '已发货', '已签收', '已取消']
        return self.random_element(statuses)

# 注册 Provider
fake.add_provider(ProductProvider)

# 使用
for _ in range(5):
    print(f"商品: {fake.product_name()}")
    print(f"类别: {fake.product_category()}")
    print(f"状态: {fake.order_status()}")
    print("---")

第四章：Schedule ------ 优雅的定时任务

4.1 基本用法

Schedule 是一个轻量级的定时任务库，API 设计非常人性化。

bash 复制代码 
pip install schedule
python 复制代码 
import schedule
import time

# 每隔10秒执行
def job():
    print("任务执行中...")

schedule.every(10).seconds.do(job)
schedule.every(1).minutes.do(job)
schedule.every(2).hours.do(job)
schedule.every().day.at("10:30").do(job)
schedule.every().monday.do(job)
schedule.every().wednesday.at("13:15").do(job)

while True:
    schedule.run_pending()
    time.sleep(1)

4.2 复杂调度

python 复制代码 
import schedule

# 带参数的函数
def greet(name):
    print(f"Hello, {name}!")

schedule.every(5).seconds.do(greet, name="Alice")

# 取消任务
job = schedule.every(5).seconds.do(greet, name="Bob")
schedule.cancel_job(job)

# 仅执行一次
def once_job():
    print("只执行一次!")
    return schedule.CancelJob  # 返回 CancelJob 自动取消

schedule.every(10).seconds.do(once_job)

# 链式调用
schedule.every(1).hour.at(":30").do(job)   # 每小时的第30分钟
schedule.every().hour.at("09:30").do(job)   # 每天09:30
schedule.every().day.at("09:30:00").do(job) # 精确到秒

# 查看已注册的任务
print(schedule.get_jobs())

# 时间单位
schedule.every(1).second
schedule.every(1).minute
schedule.every(1).hour
schedule.every(1).day
schedule.every(1).week

# 星期
schedule.every().monday
schedule.every().tuesday
schedule.every().wednesday
schedule.every().thursday
schedule.every().friday
schedule.every().saturday
schedule.every().sunday

4.3 实战案例

python 复制代码 
import schedule
import time
from datetime import datetime

def log(msg):
    print(f"[{datetime.now().strftime('%Y-%m-%d %H:%M:%S')}] {msg}")

def check_server():
    """模拟服务器健康检查"""
    log("🔍 检查服务器状态...")
    # 实际应用中用 requests 发起健康检查
    log("✅ 服务器正常")

def backup_database():
    """模拟数据库备份"""
    log("💾 开始数据库备份...")
    log("✅ 备份完成")

def generate_report():
    """模拟生成日报"""
    log("📊 生成日报...")
    log("✅ 日报已发送")

def cleanup_temp():
    """模拟清理临时文件"""
    log("🧹 清理临时文件...")
    log("✅ 清理完成")

# 注册定时任务
schedule.every(5).minutes.do(check_server)
schedule.every().day.at("02:00").do(backup_database)
schedule.every().day.at("09:00").do(generate_report)
schedule.every().saturday.at("03:00").do(cleanup_temp)

log("🚀 定时任务服务启动")
log(f"已注册 {len(schedule.get_jobs())} 个任务")

while True:
    schedule.run_pending()
    time.sleep(1)

Schedule vs Cron 对比：

特性 Schedule Cron
Python 原生 是 否（系统工具）
可读性 极高 低（需要记忆语法）
跨平台 是 是（但语法不同）
守护进程 需自己实现 自带
分布式 不支持 不支持
适用场景 简单定时任务 系统级复杂调度

第五章：Scikit-learn ------ 机器学习入门

5.1 机器学习概述

Scikit-learn（简称 sklearn）是 Python 中最流行的机器学习库。它提供了从数据预处理到模型评估的完整工具链。

bash 复制代码 
pip install scikit-learn

机器学习的三大类型：

5.2 数据准备与预处理

python 复制代码 
import numpy as np
from sklearn.datasets import load_iris, load_boston
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler, MinMaxScaler

# 加载内置数据集
iris = load_iris()
X = iris.data        # 特征 (150, 4)
y = iris.target      # 标签 (150,)

print(f"特征数: {X.shape[1]}")
print(f"样本数: {X.shape[0]}")
print(f"类别数: {len(np.unique(y))}")
print(f"特征名称: {iris.feature_names}")
print(f"类别名称: {iris.target_names}")

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=42, stratify=y
)
print(f"训练集: {len(X_train)}, 测试集: {len(X_test)}")

# 特征标准化 (Z-score)
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)  # 用训练集fit
X_test_scaled = scaler.transform(X_test)         # 用训练集的参数transform测试集

# 特征归一化 (Min-Max)
normalizer = MinMaxScaler()
X_train_normalized = normalizer.fit_transform(X_train)
X_test_normalized = normalizer.transform(X_test)

预处理方法对比：

方法 公式 范围 适用场景
StandardScaler (x - μ) / σ 无界 大多数算法
MinMaxScaler (x - min) / (max - min) [0, 1] 神经网络
RobustScaler (x - median) / IQR 无界 有离群值的数据
MaxAbsScaler x / max [-1, 1] 稀疏数据

5.3 监督学习：分类

逻辑回归
python 复制代码 
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score, classification_report

model = LogisticRegression(max_iter=200)
model.fit(X_train_scaled, y_train)
y_pred = model.predict(X_test_scaled)

print(f"准确率: {accuracy_score(y_test, y_pred):.4f}")
print(classification_report(y_test, y_pred, target_names=iris.target_names))
决策树
python 复制代码 
from sklearn.tree import DecisionTreeClassifier

model = DecisionTreeClassifier(max_depth=3, random_state=42)
model.fit(X_train, y_train)
y_pred = model.predict(X_test)

print(f"准确率: {accuracy_score(y_test, y_pred):.4f}")

# 特征重要性
for name, importance in zip(iris.feature_names, model.feature_importances_):
    print(f"  {name}: {importance:.4f}")
随机森林
python 复制代码 
from sklearn.ensemble import RandomForestClassifier

model = RandomForestClassifier(n_estimators=100, random_state=42)
model.fit(X_train, y_train)
y_pred = model.predict(X_test)

print(f"准确率: {accuracy_score(y_test, y_pred):.4f}")
print("Top 3 特征重要性:")
indices = np.argsort(model.feature_importances_)[::-1][:3]
for i in indices:
    print(f"  {iris.feature_names[i]}: {model.feature_importances_[i]:.4f}")
支持向量机 (SVM)
python 复制代码 
from sklearn.svm import SVC

model = SVC(kernel='rbf', C=1.0, gamma='scale')
model.fit(X_train_scaled, y_train)
y_pred = model.predict(X_test_scaled)
print(f"SVM 准确率: {accuracy_score(y_test, y_pred):.4f}")
K 近邻 (KNN)
python 复制代码 
from sklearn.neighbors import KNeighborsClassifier

model = KNeighborsClassifier(n_neighbors=5)
model.fit(X_train_scaled, y_train)
y_pred = model.predict(X_test_scaled)
print(f"KNN 准确率: {accuracy_score(y_test, y_pred):.4f}")

分类算法对比：

算法 优点 缺点 适用场景
逻辑回归 简单快速、可解释 只能线性分类 二分类基线
决策树 可解释、无需归一化 容易过拟合 特征分析
随机森林 精度高、抗过拟合 较慢、不可解释 通用分类
SVM 小数据精度高 大数据慢 小数据集
KNN 简单直观 大数据慢 小数据集
XGBoost 精度最高 需调参 竞赛、业务

5.4 监督学习：回归

python 复制代码 
from sklearn.datasets import fetch_california_housing
from sklearn.linear_model import LinearRegression
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_squared_error, r2_score, mean_absolute_error

# 加载房价数据
housing = fetch_california_housing()
X, y = housing.data, housing.target

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

# 线性回归
lr = LinearRegression()
lr.fit(X_train_scaled, y_train)
y_pred = lr.predict(X_test_scaled)

print("=== 线性回归 ===")
print(f"MSE:  {mean_squared_error(y_test, y_pred):.4f}")
print(f"RMSE: {np.sqrt(mean_squared_error(y_test, y_pred)):.4f}")
print(f"MAE:  {mean_absolute_error(y_test, y_pred):.4f}")
print(f"R²:   {r2_score(y_test, y_pred):.4f}")

# 随机森林回归
rf = RandomForestRegressor(n_estimators=100, random_state=42)
rf.fit(X_train, y_train)
y_pred_rf = rf.predict(X_test)

print("\n=== 随机森林 ===")
print(f"MSE:  {mean_squared_error(y_test, y_pred_rf):.4f}")
print(f"RMSE: {np.sqrt(mean_squared_error(y_test, y_pred_rf)):.4f}")
print(f"MAE:  {mean_absolute_error(y_test, y_pred_rf):.4f}")
print(f"R²:   {r2_score(y_test, y_pred_rf):.4f}")

回归指标解读：

指标 说明 值域 越好越
MSE 均方误差 [0, ∞) 小
RMSE 均方根误差 [0, ∞) 小
MAE 平均绝对误差 [0, ∞) 小
R² 决定系数 (-∞, 1] 大

5.5 无监督学习：聚类

python 复制代码 
from sklearn.cluster import KMeans, DBSCAN
from sklearn.decomposition import PCA

# 使用 Iris 数据做聚类
X_scaled = StandardScaler().fit_transform(iris.data)

# K-Means
kmeans = KMeans(n_clusters=3, random_state=42, n_init=10)
clusters = kmeans.fit_predict(X_scaled)

# 对比聚类结果与真实标签
from collections import Counter
print("K-Means 聚类结果:")
for i in range(3):
    mask = clusters == i
    labels = y[mask]
    dominant = Counter(labels).most_common(1)[0][0]
    print(f"  簇 {i}: {mask.sum()} 样本, 主导类别: {iris.target_names[dominant]}")

# 降维可视化
pca = PCA(n_components=2)
X_pca = pca.fit_transform(X_scaled)

import matplotlib.pyplot as plt
plt.figure(figsize=(10, 5))
plt.subplot(1, 2, 1)
for i in range(3):
    mask = y == i
    plt.scatter(X_pca[mask, 0], X_pca[mask, 1], label=iris.target_names[i])
plt.title('真实标签')
plt.legend()

plt.subplot(1, 2, 2)
for i in range(3):
    mask = clusters == i
    plt.scatter(X_pca[mask, 0], X_pca[mask, 1], label=f'簇 {i}')
plt.title('K-Means 聚类')
plt.legend()
plt.tight_layout()
plt.savefig('images/cluster_comparison.png', dpi=150)

5.6 模型评估与交叉验证

python 复制代码 
from sklearn.model_selection import cross_val_score, GridSearchCV
from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay

# 交叉验证
scores = cross_val_score(model, X, y, cv=5, scoring='accuracy')
print(f"5折交叉验证准确率: {scores.mean():.4f} ± {scores.std():.4f}")

# 网格搜索超参数调优
param_grid = {
    'n_estimators': [50, 100, 200],
    'max_depth': [3, 5, 10, None],
    'min_samples_split': [2, 5, 10]
}

grid_search = GridSearchCV(
    RandomForestClassifier(random_state=42),
    param_grid, cv=5, scoring='accuracy', n_jobs=-1
)
grid_search.fit(X_train, y_train)

print(f"最佳参数: {grid_search.best_params_}")
print(f"最佳准确率: {grid_search.best_score_:.4f}")
print(f"测试集准确率: {grid_search.score(X_test, y_test):.4f}")

# 混淆矩阵
y_pred = grid_search.predict(X_test)
cm = confusion_matrix(y_test, y_pred)
disp = ConfusionMatrixDisplay(cm, display_names=iris.target_names)
disp.plot(cmap='Blues')
plt.title('混淆矩阵')
plt.savefig('images/confusion_matrix.png', dpi=150)

模型选择流程：

总结

工具选择速查表

你的需求 推荐工具 安装命令
终端输出美化 Rich pip install rich
进度条 Tqdm pip install tqdm
生成测试数据 Faker pip install faker
定时任务 Schedule pip install schedule
机器学习 Scikit-learn pip install scikit-learn
深度学习 PyTorch / TensorFlow pip install torch

完整安装命令

bash 复制代码 
pip install rich tqdm faker schedule scikit-learn numpy pandas matplotlib

学习路线

下一篇预告：《Python 游戏开发与文件处理：PyGame + Turtle + openpyxl + python-docx 实战》------ 用 Python 做游戏、画图形、处理 Excel 和 Word！

相关推荐
测试员周周15 小时前
【Appium 系列】第14节-断言与验证 — Validator 的设计
android·人工智能·python·功能测试·ios·单元测试·appium
Hanniel15 小时前
Python __slots__ 入门指南
开发语言·python·性能优化
小白|15 小时前
tensorflow：昇腾CANN的TensorFlow适配层
人工智能·python·tensorflow
隐层漫游者15 小时前
2026年了，你还只会调包？手把手教你K-Means、随机森林、XGBoost与朴素贝叶斯，全网最硬核机器学习实战指南！
机器学习
彦为君15 小时前
JavaSE-10-并发编程（11个案例）
java·开发语言·python·ai·nio
l1t16 小时前
DeepSeek总结的在 DuckDB 中试驾 Lance 数据湖仓格式
数据库·人工智能·机器学习·duckdb
Cthy_hy16 小时前
树状数组（BIT）进阶：差分优化实现区间修改、区间查询
数据结构·python·算法
码界筑梦坊16 小时前
133-基于Python的全球城市生活成本数据可视化分析系统
开发语言·python·信息可视化·django·毕业设计·生活
热门推荐
01GitHub 镜像站点02Codex 接入 DeepSeek API 完整配置文档03【踩坑记录 | 第一篇】微软商店无法使用时，如何手动安装 OpenAI Codex？附`.msix`文件系统错误解决方法04裂开！ChatGPT 居然开始要手机号验证，附详细解决方法05CC-Switch & Claude 基于 Linux 服务器安装使用指南06几个好用的ip纯净度检测网站07装上就回不去了：CodeGraph 让 AI 编程效率飙升 92%，它到底做了什么？08【AI】2026 年具身智能模型和世界模型总结09codex app每次打开重连5次Reconnecting问题解决10用了半年 OpenRouter，我换到了 Ofox.ai — 两个 AI API 聚合平台的真实对比