Sklearn 机器学习 房价预估 拆分训练集和测试集

💖亲爱的技术爱好者们，热烈欢迎来到 Kant2048 的博客！我是 Thomas Kant，很开心能在CSDN上与你们相遇～💖

本博客的精华专栏：
【自动化测试】 【测试经验】 【人工智能】 【Python】

Sklearn 机器学习 房价预估：拆分训练集和测试集全流程解析

在机器学习建模中，训练集（Training Set） 与 测试集（Test Set） 的划分是第一步且极其关键。
无论是做房价预测、销售预测还是用户行为分析，这一步都决定了模型评估结果是否可信。

本文将用 两个案例 演示完整的数据集拆分流程：

1. 模拟房价数据集（适合初学者快速理解）
2. 真实 California Housing 数据集（适合实战）

📌 一、为什么要拆分训练集和测试集

在机器学习中，如果用同一份数据同时训练和测试模型，会出现 过拟合（Overfitting）：
模型在训练数据上表现很好，但在真实场景中效果差。

拆分数据的意义：

1. 训练集：用于训练模型，学习数据规律
2. 测试集：用于检验模型在未见过数据上的表现

📍 核心思想：测试集要像“真实世界数据”，帮助评估模型泛化能力。

📊 二、案例一：模拟房价数据集拆分

1. 准备模拟数据（扩充为100条样本）

import pandas as pd
import numpy as np

# 固定随机种子，保证结果可复现
np.random.seed(42)

# 生成100条模拟数据
n_samples = 100
data = {
   
   
    '面积': np.random.randint(60, 220, size=n_samples),     # 60-220㎡
    '卧室数': np.random.randint(1, 6, size=n_samples),      # 1-5个卧室
    '位置评分': np.random.randint(4, 11, size=n_samples),   # 4-10分
    '价格': 0.8*np.random.randint(60, 220, size=n_samples) \
          + 0.5*np.random