1.学习python；
2.学习机器学习；
3.培养良好的职业素养；找自己的方向。
工作还是虚拟机比较好，对于我这种有轻微强迫症的人来说，有个独立的环境还是不错的。
9:12 安装虚拟机；win7-amd64; 安装pycharm-professional-2017.1；虚拟机安装出现问题一定要看BIOS是否开启了虚拟化；
4.windows下安装sklearn及所需要的库；（有先后顺序，下载对应的版本就可以了）
http://www.lfd.uci.edu/~gohlke/pythonlibs/这里面都是外国友人维护的windows下python扩展二进制包；
（1）numpy安装；
（2）scipy安装；
（3）scikit learn安装；
（4）matplotlib安装；
（5）pandas安装；
pip2 install ***.whl(文件全名)
5.验证安装结果：pip list；
好啦，进入正题：以Iris兰花数据集为例子：于从UCI数据库中下载的Iris原始数据集的样子是这样的，前四列为特征列，第五列为类别列，分别有三种类别Iris-setosa， Iris-versicolor， Iris-virginica。直接上代码吧：
from sklearn import svm from numpy import * from sklearn.model_selection import * import numpy as np def iris_type(s): it = {'Iris-setosa':0,'Iris-versicolor':1,'Iris-virginica':2} return it[s] path = u'D:/3-project/StudyPro/iris_data/iris.data' data = np.loadtxt(path, dtype=float, delimiter=',', converters={4:iris_type}) #print data #(2)将Iris分为训练集和测试集； x,y = np.split(data,(4,),axis=1) x = x[:,:2] x_train, x_test, y_train, y_test = train_test_split(x,y,random_state=1,train_size=0.6) #(3)训练SVM分类器 #clf = svm.SVC(C=0.1, kernel='linear',decision_function_shape='ovr') clf = svm.SVC(C=0.8, kernel='rbf', gamma=20, decision_function_shape='ovr') clf.fit(x_train, y_train.ravel()) #(4)计算分类器的准确率 print clf.score(x_train, y_train) #精度 y_hat = clf.predict(x_train) #show_accuracy(y_hat,y_train,'训练集') # print y_hat # print y_train print clf.score(x_test, y_test) y_hat = clf.predict(x_test) #show_accuracy(y_hat,y_test,'测试集')2