Python 机器学习工具 scikit-learn 的入门使用

Python研究所

于 2024-02-21 14:43:00 发布

阅读量564

点赞数 4

CC 4.0 BY-SA版权

文章标签： python 机器学习 scikit-learn 人工智能开发语言

本文链接：https://blog.csdn.net/qq_40442753/article/details/136226692

本文介绍了如何使用Python的scikit-learn库中的决策树算法进行数据预测，包括安装步骤、训练模型和对单个测试点进行预测的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考文档：https://www.scikitlearn.com.cn/

通过对已有多组数据的训练，从而实现对单个数据的结果预测

安装

pip install -U scikit-learn

Demo

通过使用sklearn包中的决策树DecisionTreeclassifier算法实现简单预测

import sklearn
from sklearn import tree
feature=[[178,1],[155,0],[177,0],[165,0],[169,11,[160,0]] # 训练数据
label=['man','woman','man','woman','man','woman'] # 性别分类
clf=tree.DecisionTreeclassifier() # 分类决策树的分类决策方法
clf=clf.fit(feature,label) # 拟合川训练数据，得到训练模型参数
s1=c1f.predict([[158,0]]) # 对测试点[158,0]进行预测
s2=c1f.pred1ct([[176,1]]) # 对测试点[176,1]进行预测
print('s1=',s1) # 输出预测结果值
print('s2=',s2) # 输出预测结果值