基于机器学习的网络流量预测代码分享

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

df = pd.read_csv("network_traffic.csv")
X = df.iloc[:, :-1] # 除最后一列外的所有列为特征
y = df.iloc[:, -1] # 最后一列为标签

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=666)

lr = LinearRegression()
lr.fit(X_train, y_train)

train_mse = mean_squared_error(y_train, lr.predict(X_train))
test_mse = mean_squared_error(y_test, lr.predict(X_test))

print(f"训练集MSE：{train_mse}")
print(f"测试集MSE：{test_mse}")

# 可能的搜索关键词：网络流量预测，机器学习，线性回归，Python，代码分享

新内容：这是一份基于机器学习的网络流量预测的代码，使用了Python语言和sklearn库进行开发。算法采用了线性回归模型，在网络流量数据集上进行训练，最后计算了训练集和测试集的均方误差。对于对网络流量预测感兴趣的同学，这份代码能够提供一定的帮助。