编写你人生中第一个机器学习代码吧！

用 Python 实现第一段机器学习代码，跟我一起来吧！

我们先要学习的机器学习算法是监督学习，那么，何为监督学习呢？要了解监督学习，我们得先回顾下我们平时的编码方式。我们平时的编码方式是一种硬编码，简而言之就是面对问题的时候，我们通过正向暴力编码，将问题的各个方面和逻辑通过编码来处理，从而使得代码按照我们的思路一步步运行下去，最终解决我们的既定问题。

打个比方，假设我们要写一个代码来区分一个人的性别，我们可能首先会提取出男人和女人的特点，比如男人可能有胡子，有喉结，身高普遍在一个 xx 范围这样，那么我们就可以根据这些属性来编写一些判断条件，最终实现一个算法，然后把某个人具备的属性输入到算法，算法输出一个结果，告诉你这个人可能是啥性别。

这样可能能实现一个算法，但会有两个问题。首先就是这些属性的确定，决定一个人是什么性别的属性可能有很多，如果属性太多，靠人工来编写算法就会显得非常不实际。其次，这些属性对于最终输出结果的影响是有限的，总会存在特例，有的男人就是不长胡子，或者有的女人身高很高，面对这种比较特殊的个例的时候，算法就非常有可能出错，显然，单纯的依靠硬编码，是不可能做到尽善尽美的。

而监督学习算法的做法就是，把一些既定的样本输入给算法，这些样本包括具体的特征属性和具体的输出，比如「一个人身高一米八，有胡子，有喉结」，这是它的样本输入，「这个人是个男人」是它的输出，这些具有明确输入和结果的样本输入到监督学习算法后，它会自己进行学习和总结，随着样本数量的增多，监督学习的判断规则将会被训练的 越来越准确和成熟。随后，面对它从未见过的样本，比如「一米六，没胡子，有喉结」，算法就会根据之前的规则给出一个它的判断，告诉你这个人可能是个啥性别。

我们把胡子、喉结这些属性成为特征-Features，男人还是女人这样的输出结果称为标签-Label。为了实现这样的一个功能，我们需要一个分类器，那么，我们整个监督学习的过程大概是这样的。

scikit-learn 可以帮我们轻易的实现上面的需求，如果你安装过 Anaconda，scikit-learn 就已经包含其中了，其他下载方式这里不再赘述。

如果你是使用 Python 来学习机器学习，scikit-learn 肯定是你必须要使用的机器学习库，scikit-learn 是非常保守的库，它专业性极强，只做机器学习领域，从来不会作任何机器学习领域之外的扩展。不仅如此，scikit-learn 使用的机器学习算法都是经过广泛验证过的算法，这些算法往往也是效率最高，实现最简单有效的。所以，阅读 scikit-learn 的源码实现也是一个非常好的学习方式。

scikit-learn 官网 : http://scikit-learn.org/stable/

下面我们用具体的代码来演示上面说过的三个过程。

收集真实训练数据

在现实的应用环境中，我们获取数据的方式是多种多样的，比如，你可以通过读取已有文件来获取数据，或者是动态的监听数据，每获取一条数据就输入一条数据。我们就不这么复杂了，用上面判断性别的例子，简单的模拟几个数据：

>> features = [[160,30,2.1],[170,15,2.3],[178,8,2.5],[188,10,2.8],[167,22,2.2]]
>> labels = [0,0,1,1,0]

features 是我们的特征，拿第一个数据 [160,30,2.1] 举例子，160 代表的是身高，30 代表的是头发长度，2.1 代表的是腰围，单位为尺。好吧，原谅我想象力有点渣渣，可能例子不好，总之目前我们使用身高、头发长度以及腰围来作为我们判断性别的特征，当然，你还可以提取出更多的特征，这里只是为了我们测试方便。labels 就是我们的标签了，0 代表这个人性别为女，1 代表性别为男

这样， 我们就算完成了第一步，收集好了真实数据

训练分类器

拿到了数据源，我们需要挑选一种分类器来训练这组数据，这里我们选择决策树，可以先暂时不要管决策树是什么，你可以把它当做实现分类器的一种形式罢了

>> from sklearn import tree
>> clf = tree.DecisionTreeClassifier()
>> clf.fit(features,labels)

sklearn 即是 scikit-learn 库，我们引入库中的决策树类，并使用 fit() 函数来匹配特征和标签，这样，我们的分类器就算实现好了，clf 完成了它的训练。

对数据作出预测

实际上你可以把分类器想像成一个黑盒子，通过一些数据的训练，这个盒子就具备了一定的判断能力，当你再次输入进数据的时候，它能够得到相应的预测，至于这个盒子里面到底使用了什么方法根据数据的训练来指定规则，就是你选取的算法所做的事了，比如在这里，我们选择了决策树来作为分类器制定规则的算法，当然你还有很多算法可以选择，也可以自己实现算法，这不在我们这篇文章的讲述范围内。下面，我们使用实现好的分类器，对一个未知数据进行预测

>> print(clf.predict([[180, 15, 2.3]]))
[0]

我们使用 predict() 函数来对一组分类器从未见过的数据来进行预测。分类器认为一个一米八大个，长着 15 厘米长秀发，腰围 2.3 尺 的高大个是个女孩。好吧，这是它的想法。