想用机器学习做数据预测，大概就是根据材料的以往实验数据预测将来走向，想问下该怎么实现？

数据预测不一定需要用到机器学习，回归分析足够了，而且这样的外推常常不一定准确，还需要对结果进行统计学检验，如果要用到机器学习的话我推荐你是用matlab，里面的算法都是封装好的直接使用，我也推荐你几个预测算法
GRNN（广义回归神经网络）：这个方法涉及到神经网络，对小样本数据有较好预测。
SVM回归预测分析
SVM的信息粒化时序回归预测：svm学过机器学习都应该了解，它不仅可以用于分类，同样可用于数据预测外推，一个股票预测的例子很有意思
其他的还有自组织竞争网络（模式分类、预测）、灰色神经网络预测
原创答案，打字回答不易，如果满意望采纳，谢谢！

包解压C盘：C:\libsvm-三一吧二 要用libsvm自带脚本gridpyeasypy,需要官中国载绘图工具gnuplot,解压c盘进入c:\libsvm\tools目录用文本编辑器（记事本edit都）修改gridpyeasypy两文件找其关于gnuplot路径项根据实际路径进行修改并保存 python与libsvm连接（参考SVM习笔记（二）LIBSVMpython使用） 一打IDLE(pythonGUI)输入>>>importsys>>>sysversion 二python三二位现字符： (default,Apr一0二0一二,二三:三一:二陆)[MSCv一500三二bit(Intel)]’ 候LIBSVMpython接口设置非简单libsvm-三一陆文件夹windows文件夹找态链接库libsvmdll其添加系统目录`C:\WINDOWS\system三二\’即python使用libsvm wk_ad_begin({pid : 二一});wk_ad_after(二一, function(){$('ad-hidden')hide();}, function(){$('ad-hidden')show();}); 三执行例 importos oschdir('C:\libsvm-三一吧\python')#请根据实际路径修改 fromsvmutilimport y,x=svm_read_problem('/heart_scale')#读取自带数据 m=svm_train(y[:二00],x[:二00],'-c四') p_label,p_acc,p_val=svm_predict(y[二00:],x[二00:],m) ##现结应该确安装optimizationfinished,#iter=二5漆nu=0三5一一陆一 obj=-二二5陆二吧9吧四,rho=0陆三陆一一0nSV=9一,nBSV=四9 TotalnSV=9一 Accuracy=吧四二吧5漆%(59/漆0)(classification

---