一、Sklearn|机器学习决策树1—python代码
决策树是机器学习领域中一种基础的分类和预测模型，其代码简洁易懂，掌握决策树原理有助于后续深入学习更复杂的模型，如随机森林和神经网络。
决策树模拟了我们在日常决策中的流程，如选择餐厅时，会根据距离、口碑、菜系等多维度信息进行筛选。同样，社交应用中的匹配或选择伴侣，也会构建一个基于需求的判断模型。
建模步骤如下：
首先，导入数据分析工具，如pydotplus和IPython，它们用于生成决策树图形，但在本文代码示例中未使用。
对红酒数据集进行探索，包括查看数值维度（wine.data）、标签（wine.target和wine.target_names）、列名（wine.feature_names）。使用pandas处理数据，便于理解。
划分训练集和测试集，训练模型并评估其在测试集上的表现，如得分0.89，说明模型拟合良好。
决策树Classifier的常用参数包括：criterion（默认基尼系数或信息增益）、random_state（设置随机性，防止过拟合）和splitter（选择分裂策略）。
完成训练后，可以生成文字版或图形版决策树。图形版需要安装graphviz软件，生成的pdf需注意中文字体问题。
此外，通过查看特征的权重（如脯氨酸的权重最高），理解各个特征在决策树中的重要性。
在实际建模中，我们主要使用fit()、score()接口进行训练和评估，而apply()和predict()用于应用模型对新数据进行预测。
二、《python机器学习及实践》是什么版本的python
1. 因为scipy、numpy、matplot……这些，让它在数据分析时，非常强大；
2. python vs matlab： ptyhon免费
3. python vs R: python是一门真正的计算机语言。R更适合统计学家玩， python更适合程序员用（比如字符串处理等基本操作，还是交给真正的计算机语言处理吧）。
此外，在版本上，选择了使用更广泛的python2.x（目前是2.7.5)而不是3.x。
三、python做机器学习的时候怎么随机抽取样本
你说的问题叫模型持久化，就是把学习好的模型保存起来，以后只要调用这个文件就可以了。
每个框架都应该有模型持久化函数，以sklearn为例：
from sklearn.externals import joblib
joblib.dump(clf, train_model.m) ＃存储
clf = joblib.load(train_model.m) ＃调用
四、为什么很多人喜欢 Python
为什么很多人喜欢
Python?我想问你为什么你会问这个问题?哈哈。曾经，我以为很多人，自从离开了小学时代，就都不喜欢问为什么了。没想到知乎上还是有这么一群“乐于寻根问底的好骚年”。不如，听听我的分析?
首先啊，当然是大家都喜欢容易掌握的，又好用的编程语言。那么，Python当然在其中啦。为什么这么说?Python的发明人Guido van
Rossum是个计算机狂人，早先一直在Google工作，后来又去了云存储Dropbox。
而这哥们也算是“懒人”一个，设计这款语言的初衷就是为了“用最简单易用的方式编写最复杂的程序”，然后这款“胶水语言”就诞生咯。哦，没有懒人存在就没有我们现在的飞机火车啦。
Python干净利索，简单直接。而且编写代码的速度非常的快，而且非常注重代码的可读性，非常适合多人参与的项目。它具备了比以前传统的脚本语言更好的可重用性，维护起来也很方便。
与现在流行的编程语言Java、C、C++等相比较，同样是完成一个功能，Python编写的代码短小精干，开发的效率是其它语言的好几倍。所以如果你想尝试成为程序员，Python将会是一个重要的选择。
其次，Python还被用在各个地方，也就是似乎哪里都有用武之地。试想，一门语言Python库多，数据库获取方便，数据运算方便，输出结果方便，和其他语言交互方便，加速方便，图形方便，信号处理方便，云系统支持方便，Python开源。总之，就是各种方便。还有什么不被广大“程序猿”喜爱的理由呢?
再来就是社区庞大啦，你总会遇到问题，这个时候你总是能找到人帮忙，而且它更有丰富的类库。在Python的世界里，统计也好，机器学习也好，有很多“现成”的工具供你使用;交互式解释器有利于调试。还有啊，就是Python程序不需要编译，更方便。
此外，随着Python的热门，学习的门槛也在降低。还记得，在我学习Python的时候，在网上能找到的学习资料大抵是“通过爬虫学习Python”之类的内容。但是越来越多的作者尝试从其他的领域向人们介绍Python，如果读者喜欢，直接从数据科学入门Python也未尝不可。
最后不得不提的就是，Python还是人工智能的未来。因为考虑到语言的灵活性，其速度以及提供的机器学习功能库(如scikit-learn，Keras和TensorFlow)，我们将继续看到Python在机器学习领域占据主导地位。
你知道为什么很多人喜欢Python了吗?此时，我想跟大家说的是：如果你对人工智能或者大数据有那么一丁点的兴趣，你都应该学习一下Python。
