一.数据处理

数据集包含了美国400个城市的经度和纬度数据，每个城市都被贴上红色或蓝色的标签，这取决于他们在2012年选举中的投票方式。数据来源https://simplemaps.com/static/demos/resources/us-cities/cities.csv

image.png

导入python常用模块，读取数据

import pandas as pd
from sklearn.dummy import DummyClassifier
df = pd.read_csv(r'C:\Users\PC\Desktop\python\cpsc330\lectures\data/cities_USA.csv', index_col=0) ##自己下载好的文件路径
df.plot.scatter(x="lon", y="lat", c="vote", alpha=0.3);  ##画散点图
#获取前经度和纬度数据
X = df[["lon", "lat"]]  ##X.shape  X.ndim 查看大小维度
#获取标签值
y = df["vote"]   ##y.shape y.ndim 查看大小维度

二.预测和回归

分类：根据精度和纬度这两个特征判断标签是红还是绿
回顾：定量目标的预测

三.建模训练预测

model = DummyClassifier(strategy="prior")  ##建模
model.fit(X, y)    ##训练
prediction = model.predict([[0, 0]])  ##预测
score = model.score(X, y)  ##评估