Chapter 23：机器学习入门
机器学习不是魔法，它是统计学穿上了计算的外衣。本章将带你理解模型训练、特征工程、评估指标等核心概念，并用真实数据完成一次预测任务。你会发现：当你能训练模型，你就能预测未来的一角。
“机器学习不是魔法，它是统计学穿上了计算的外衣。”
大家好，我是 Q。第23篇我们正式进入机器学习领域，用scikit-learn把前面21篇的自动化知识（PyAutoGUI、OOXML报表、Flask网盘、测试打包）再升级一步：用历史记账数据预测下个月支出，实现真正的“智能自动化”！
本篇全部基于Python 3.8.10 + Win7 旗舰版实测通过，零基础也能跑通。
先讲底层原理，再讲Win7 实战坑点，最后给出完整可直接运行的预测代码 + Pipeline + 模型持久化，让你把记账Excel一键变成“未来支出预报”！
1. 底层原理（源码、协议、机制）
scikit-learn（简称 sklearn）是 Python 最轻量的机器学习库，完全基于 NumPy + SciPy + Cython实现：
Estimator 接口：所有模型都遵循统一 API（
fit()、predict()、score()），源码核心在sklearn/base.py的BaseEstimator类。
这就是“即插即用”的秘密——不管是线性回归还是随机森林，调用方式完全一致。底层加速：Cython 把 Python 代码编译成 C 扩展（.pyd 文件），矩阵运算直接调用 BLAS/LAPACK（NumPy/SciPy 底层），速度远超纯 Python。
Pipeline 机制：源码在
sklearn/pipeline.py，本质是把多个Transformer+Estimator串成一个对象，内部用fit_transform链式调用，避免数据泄漏。模型持久化：
joblib（sklearn 自带）使用pickle+ 内存映射，把模型权重、参数序列化成 .pkl 文件，支持大模型快速加载。
（上图：scikit-learn Pipeline 工作流，一目了然）
2. Win7 特有实战坑点 & 库兼容性（提前避雷）
版本严格锁定（最重要）：
Win7 + Python 3.8 只支持scikit-learn==1.3.2（1.4+ 已放弃 3.8）。
同时锁定依赖：pipinstallscikit-learn==1.3.2numpy==1.24.4scipy==1.10.1pandas==2.0.3matplotlib==3.7.5joblib==1.3.2必须管理员 PowerShell执行，否则 .pyd 文件加载失败。
Wheel 安装失败：Win7 缺少 VC++ 2015-2019 Redistributable。
先下载安装vc_redist.x64.exe（微软官网），再 pip。内存与 CPU：Win7 机器通常 4-8GB 内存，训练大模型（>10万行）会 OOM。本篇使用小数据集 + 简单线性模型，完全无压力。
中文路径：记账数据 Excel 路径含中文时，用
r'D:\记账\data.xlsx'短路径 + UTF-8 编码。打包进 exe：结合第21篇 PyInstaller 时，需加
--hidden-import=sklearn.neighbors._ball_tree等（后面会给 .spec 示例）。
3. 深度：Pipeline 工作流 + 模型持久化
Pipeline让预处理 + 模型变成“一条龙”：
- 自动处理缺失值、标准化、特征选择
- 防止测试集数据泄漏
- 一键
fit/predict
模型持久化：用joblib.dump(model, 'expense_model.pkl')保存，joblib.load加载，速度比 pickle 快 10 倍，完美适配 Win7 离线预测。
4. 完整实战：用历史记账数据预测下个月支出
场景：每月手动记账（Excel），现在让机器学习自动预测下个月总支出！
准备数据（新建D:\AutoOffice\expense_data.csv）：
month,food,rent,transport,entertainment,total 2023-0
