Python人工智能机器学习Hello World

使用python语言以及Scikit-learn库，实验环境使用的是Linux下的iPython。

首先将添加sklearn库中的决策树tree

In [1]: from sklearn import tree

接着引入一些模型特征，我这里使用认的身高和是否有胡子来作为特征（features），而性别来作为标签(labels)。建立如下：

(tips:数据量越大，模型越好，那么结果就会越精确，这里只引入3男3女的特征来做个示范)
代码如下：

In [2]: reature = [[178,1],[155,0],[177,0],[165,0],[169,1],[160,0]]

In [3]:label = ['male','female','male','female','male','female']

有了数据模型之后，接下来的活就只需要交给机器去做就行了。
首先创建一个决策树对象clf。

In [4]: clf = tree.DecisionTreeClassifier()

接下来将这一句将数据交给决策去去判断！

In [5]: clf = clf.fit(feature,label)

上面就是所有需要做的准备，接下来就可以使用clf来进行判定啦。
假设此时有一个身高158的没有胡子的人，那么机器会判断TA是男人还是女人呢？

In [6]: clf.predict([[158,0]])
Out[6]:
array(['female'],
      dtype='|S6')

显然，此时机器人判定这是一个女人‘female’。
再试一次，这次是一个172有胡子的人

In [7]:clf.predict([[172,1]])
Out[7]:
array(['male'],
      dtype='|S6')

这一次机器判定为男性~

大家可以尝试着自己写一下其他象征意义的程序，输入的训练数据越大，那么输出正确的可能性就越大~