Python机器学习开发入门案例

1、开发环境准备，这里我选用Visual Studio 2017作为Python的开发工具，要求在Visual Studio中安装Python环境支持

2、在进行机器学习开发时我们需要给python环境安装所需要的外部依赖包

sklearn，numpy，spicy

3、引入sklearn包，创建数据特征模型

from sklearn import tree

#特征模型数据，[身高,胡子] 1-有 0-无

feature =[[178,1],[155,0],[180,1],[166,0],[168,1],[152,0]]

#特征标签值

label=['male''female','fale','female','fale','female']

4、我们采用决策树进行分类预测

#创建一个决策树对象

clf = tree.DecisionTreeClassifier();

#将特征数据交个决策树进行判断

clf = clf.fit(feature,label)

5、进行新的数据预测

#预测一组新的数据

clf.predict([[158,0]])

clf.predict([[190,1]])

6、完成的Python的代码如下：

from sklearn import tree

#特征模型数据，[身高,胡子] 1-有 0-无

feature =[[178,1],[155,0],[180,1],[166,0],[168,1],[152,0]]

#特征标签值

label=['male','female','fale','female','fale','female']

#创建一个决策树对象

clf = tree.DecisionTreeClassifier();

#将特征数据交个决策树进行判断

clf = clf.fit(feature,label)

#预测一组新的数据

r1=clf.predict([[158,0]])

print("Data[158,0] is label for:")

print(r1)

r2=clf.predict([[190,1]])

print("Data[190,1] is label for:")

print(r1)