购车预测多少钱

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# 假设我们有一个包含历史购车数据的DataFrame 'df'
# df包含特征列['mileage', 'year', 'make', 'model']和目标列'price'

# 数据预处理（简化示例，实际应用中需更详细处理）
X = df[['mileage', 'year']]  # 选择部分特征
y = df['price']

# 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)

# 训练线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测测试集价格
y_pred = model.predict(X_test)

# 评估模型性能
mse = mean_squared_error(y_test, y_pred)
print(f"均方误差: {mse}")

# 使用模型进行新数据预测（例如，一辆行驶了5万公里、年份为2020年的车）
new_data = [[50000, 2020]]
predicted_price = model.predict(new_data)
print(f"预测价格: {predicted_price[0]}")