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幻腾寂埒-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)
