一、Sklearn|機器學習決策樹1—python代碼
決策樹是機器學習領域中一種基礎的分類和預測模型，其代碼簡潔易懂，掌握決策樹原理有助于后續深入學習更復雜的模型，如隨機森林和神經網絡。
決策樹模擬了我們在日常決策中的流程，如選擇餐廳時，會根據距離、口碑、菜系等多維度信息進行篩選。同樣，社交應用中的匹配或選擇伴侶，也會構建一個基于需求的判斷模型。
建模步驟如下：
首先，導入數據分析工具，如pydotplus和IPython，它們用于生成決策樹圖形，但在本文代碼示例中未使用。
對紅酒數據集進行探索，包括查看數值維度（wine.data）、標簽（wine.target和wine.target_names）、列名（wine.feature_names）。使用pandas處理數據，便于理解。
劃分訓練集和測試集，訓練模型并評估其在測試集上的表現，如得分0.89，說明模型擬合良好。
決策樹Classifier的常用參數包括：criterion（默認基尼系數或信息增益）、random_state（設置隨機性，防止過擬合）和splitter（選擇分裂策略）。
完成訓練后，可以生成文字版或圖形版決策樹。圖形版需要安裝graphviz軟件，生成的pdf需注意中文字體問題。
此外，通過查看特征的權重（如脯氨酸的權重最高），理解各個特征在決策樹中的重要性。
在實際建模中，我們主要使用fit()、score()接口進行訓練和評估，而apply()和predict()用于應用模型對新數據進行預測。
二、《python機器學習及實踐》是什么版本的python
1. 因為scipy、numpy、matplot……這些，讓它在數據分析時，非常強大；
2. python vs matlab： ptyhon免費
3. python vs R: python是一門真正的計算機語言。R更適合統計學家玩， python更適合程序員用（比如字符串處理等基本操作，還是交給真正的計算機語言處理吧）。
此外，在版本上，選擇了使用更廣泛的python2.x（目前是2.7.5)而不是3.x。
三、python做機器學習的時候怎么隨機抽取樣本
你說的問題叫模型持久化，就是把學習好的模型保存起來，以后只要調用這個文件就可以了。
每個框架都應該有模型持久化函數，以sklearn為例：
from sklearn.externals import joblib
joblib.dump(clf, train_model.m) ＃存儲
clf = joblib.load(train_model.m) ＃調用
四、為什么很多人喜歡 Python
為什么很多人喜歡
Python?我想問你為什么你會問這個問題?哈哈。曾經，我以為很多人，自從離開了小學時代，就都不喜歡問為什么了。沒想到知乎上還是有這么一群“樂于尋根問底的好騷年”。不如，聽聽我的分析?
首先啊，當然是大家都喜歡容易掌握的，又好用的編程語言。那么，Python當然在其中啦。為什么這么說?Python的發明人Guido van
Rossum是個計算機狂人，早先一直在Google工作，后來又去了云存儲Dropbox。
而這哥們也算是“懶人”一個，設計這款語言的初衷就是為了“用最簡單易用的方式編寫最復雜的程序”，然后這款“膠水語言”就誕生咯。哦，沒有懶人存在就沒有我們現在的飛機火車啦。
Python干凈利索，簡單直接。而且編寫代碼的速度非常的快，而且非常注重代碼的可讀性，非常適合多人參與的項目。它具備了比以前傳統的腳本語言更好的可重用性，維護起來也很方便。
與現在流行的編程語言Java、C、C++等相比較，同樣是完成一個功能，Python編寫的代碼短小精干，開發的效率是其它語言的好幾倍。所以如果你想嘗試成為程序員，Python將會是一個重要的選擇。
其次，Python還被用在各個地方，也就是似乎哪里都有用武之地。試想，一門語言Python庫多，數據庫獲取方便，數據運算方便，輸出結果方便，和其他語言交互方便，加速方便，圖形方便，信號處理方便，云系統支持方便，Python開源。總之，就是各種方便。還有什么不被廣大“程序猿”喜愛的理由呢?
再來就是社區龐大啦，你總會遇到問題，這個時候你總是能找到人幫忙，而且它更有豐富的類庫。在Python的世界里，統計也好，機器學習也好，有很多“現成”的工具供你使用;交互式解釋器有利于調試。還有啊，就是Python程序不需要編譯，更方便。
此外，隨著Python的熱門，學習的門檻也在降低。還記得，在我學習Python的時候，在網上能找到的學習資料大抵是“通過爬蟲學習Python”之類的內容。但是越來越多的作者嘗試從其他的領域向人們介紹Python，如果讀者喜歡，直接從數據科學入門Python也未嘗不可。
最后不得不提的就是，Python還是人工智能的未來。因為考慮到語言的靈活性，其速度以及提供的機器學習功能庫(如scikit-learn，Keras和TensorFlow)，我們將繼續看到Python在機器學習領域占據主導地位。
你知道為什么很多人喜歡Python了嗎?此時，我想跟大家說的是：如果你對人工智能或者大數據有那么一丁點的興趣，你都應該學習一下Python。
