这几期和大家聊聊使用Python进行机器学习
题外话：之前一期 “ scrapy抓取当当网82万册图书数据 ” 的 Github 链接
Python拥有强大的第三方库，使用Python进行科学计算和机器学习同样需要先配置运行环境。这里我们需要安装Anaconda，官方给出的下载链接太慢，而且经常下载到一半卡死，这里我提供我下载好的网盘链接，密码：p2dt。需要的可以直接快速下载(Python3.5版)。Anaconda自带以下库Numpy、Scipy、Matplotlib、Pandas、和Scikit-Learn。
Numpy：提供数组支持，以及相应的高效处理函数；
Scipy：提供矩阵支持，以及矩阵相关的数值计算模块；
Matplotlib：数据可视化工具，作图库；
Pandas：强大、灵活的数据分析和探索工具；
Scikit - Learn：支持回归、分类、聚类等强大的机器学习库；
决策树是一个类似流程图的树状结构，其中每个内部节点都表示在一个属性上的测试，每个分支代表一个属性输出，而每个树叶节点代表类或类分布，最顶层是根节点。
决策树方法在分类、预测等领域有广泛应用。我在百度上找了张图，决策树是长这样：
下面我用一个案例来简单介绍下用Python实现决策树的机器学习过程
1、案例背景：某连锁餐饮企业手头拥有一批数据，想了解周末和非周末对销量是否有很大区别，以及天气的好坏、是否有促销活动对销量的影响。以单个门店为例，数据结构如下：
2、过程分析：这里我们采用的算法为ID3算法，ID3算法是啥，那么多博客说的比我清楚，大家可以搜搜决策树ID3就明白了。总结一句话：ID3就是基于信息熵来选择最佳测试属性，采用信息增益作为选择测试属性的标准。ID3生成的决策树模型：
3、使用Scikit - Learn建立决策树模型
数据链接，密码：n7u5
#-*- coding: utf-8 -*-
import pandas as pd
#参数初始化
inputfile = '../FEB/data.xls' #这里输入你个人的文件路径
data = pd.read_excel(inputfile, index_col = u'序号') #导入数据
#数据是类别标签，要将它转换为数据
#用1来表示“好”、“是”、“高”这三个属性，用-1来表示“坏”、“否”、“低”
data[data == u'好'] = 1
data[data == u'是'] = 1
data[data == u'高'] = 1
data[data != 1] = -1
x = data.iloc[:,:3].as_matrix().astype(int)
y = data.iloc[:,3].as_matrix().astype(int)
from sklearn.tree import DecisionTreeClassifier as DTC
dtc = DTC(criterion='entropy') #建立决策树模型，基于信息熵
dtc.fit(x, y) #训练模型
#导入相关函数，可视化决策树。
from sklearn.tree import export_graphviz
x = pd.DataFrame(x)
with open("tree.dot", 'w') as f:
f = export_graphviz(dtc, feature_names = x.columns, out_file = f)
这里我们在该python文件的同级目录下导出的结果是一个dot文件（长得和word类似），需要安装Graphviz才能将其转换为pdf格式
导出的dot文件：
运行命令：dot -Tpdf tree.dot -o tree.pdf将该dot文件转化成结构化图
总结：决策树的优点：直观、便于理解、小规模数据集有效；决策树的缺点：类别较多时，错误增加较快，可规模性不强。
