Supervised learning

原本我们是教会机器我们的规则，由机器执行规则进行分类，识别。

但规则总有漏洞，我们总能举出规则的反例。

我们不能为每种反例都对规则做修正，那是个无底洞。

所以我们让机器自己学习规则。

分类器

Input: Data (features)

Output: class (label)

机器学习的过程

• 收集训练数据： examples 我们需要从data中，提取出可以作为分类依据的特征作为feature
• 训练分类器： 分类器有很多种，我们这个部分使用了决策树
• 进行预测

环境搭建

使用scikit-learn做Python上的机器学习；

官网推荐使用Anaconda进行安装，轻松解决依赖，有两个版本可以用，我使用Python3版本；

安装后，关联Pycharm，新建一个工程，选择interpreter为anaconda里的python，这样才能顺利引用机器学习的库；

如果已经选了其他编译器，需要在File - Settings - 搜索interpreter，修改

代码

Hello world：一个简单的分类器训练与预测