本次實驗使用的是python語言以及scikit-learn庫，實驗環境使用的是linux下的ipython。
首先將新增sklearn庫中的決策樹tree
接著引入一些模型特徵，我這裡使用認的身高和是否有鬍子來作為特徵（features），而性別來作為標籤(labels)。建立如下：
(tips:資料量越大，模型越好，那麼結果就會越精確，這裡只引入3男3女的特徵來做個示範)
**如下：
有了資料模型之後，接下來的活就只需要交給機器去做就行了。
首先建立乙個決策樹物件clf。
接下來將這一句將資料交給決策去去判斷！
上面就是所有需要做的準備，接下來就可以使用clf來進行判定啦。
假設此時有乙個身高158的沒有鬍子的人，那麼機器會判斷ta是男人還是女人呢？
顯然，此時機械人判定這是乙個女人『female』。
再試一次，這次是乙個172有鬍子的人
這一次機器判定為男性~
大家可以嘗試著自己寫一下其他象徵意義的程式，輸入的訓練資料越大，那麼輸出正確的可能性就越大~
機器學習第乙個演算法
單變數線性回歸 導包import numpy as np import matplotlib.pyplot as plt plt.rcparams font.sans serif simhei 正常顯示中文 plt.rcparams axes.unicode minus false 正常顯示符號 讀...
Python機器學習 第乙個機器學習專案
資料集 1.導入庫 import pandas as pd import numpy as np import matplotlib as plt from sklearn.model selection import train test split from sklearn.model sele...
Spring入門 第乙個程式
1.建立乙個 dynamic web project 專案2.引入jar檔案 需要實現什麼樣的功能，就引入什麼 jar檔案 spring beans 4.3.7.release.jar spring context 4.3.7.release.jar spring context support 4...