一說起機器學習，同學們的第一反應一般是： 哇，機器學習這麼高大上的技術，一定很難吧。
說實話，機器學習的理論知識，對於非科班出身的同學們來說，確實就像是天書一樣，小編還記得以前硬啃西瓜書從入門到放棄的慘痛經歷。
但是，還好，我們有python這個強大的工具。有了python， 機器學習不再痛苦。
今天， 咱們就來學習一下，如何用25行python代碼，實現一個簡單的機器學習項目。
python環境
python環境肯定是必須的啦， 推薦使用python3.x， 比如小編電腦上安裝的就是python3.7
為什麼不推薦python2呢， 因為， python官方宣布 2020 年 1 月後不再更新維護 Python2了。
機器學習lib包
python裡面有3個極其強大的機器學習lib包， 小編喜歡把他們稱作 」機器學習三劍客「：
1) numpy: 簡稱np, 主要用於矩陣計算。 聽到矩陣兩個字，是不是又感覺很難了， 不要急，這個機器學習項目不涉及矩陣計算~
2) pandas: 簡稱pd, 它是基於NumPy 的一種工具，該工具是為了解決數據分析任務而創建的。Pandas 納入了大量庫和一些標準的數據模型，提供了高效地操作大型數據集所需的工具和方法。 聽起來也挺複雜的，不過大家也不用擔心， 我們只是用它來讀取csv文件~
3) sklearn: 原文是scikit-learn (簡稱 sklearn) 它是基於 Python 語言的機器學習工具， 裡面有各種模型，各種工具，基本上都是幾行代碼就可以實現c++裡面極其複雜的功能，堪稱「神器「.
這幾個包的安裝，推薦是使用pip來安裝，網速不快的話，可以使用國內的源~， 具體方法本文就不再詳述了，百度一下有茫茫多的教程。
項目背景
在泰坦尼克沉船事故中， 有些乘客遇難，有些乘客則成功獲救。
訓練數據集中記錄了乘客的個人信息以及是否獲救，
我們需要根據這些數據嘗試訓練合適的模型，用於預測測試集中的乘客是否可以獲救。
這個問題本質上是一個二分類的問題。
數據集說明
數據集分為訓練集和測試集，欄位共有12個：
PassengerId, 乘客ID
Survived, 是否獲救
Pclass, 艙位等級
Name, 乘客名稱
Sex, 性別
Age, 年齡
SibSp, 兄弟姐妹個數
Parch, 父母小孩個數
Ticket, 船票文本信息
Fare, 票價
Cabin, 客艙
Embarked 登船港口
其中，Survived欄位就是我們要預測的欄位， 取值為0或者1。
下面看一段數據：
train.csv:
PassengerId,Survived,Pclass,Name,Sex,Age,SibSp,Parch,Ticket,Fare,Cabin,Embarked
1,0,3,"Braund, Mr. Owen Harris",male,22,1,0,A/5 21171,7.25,,S
2,1,1,"Cumings, Mrs. John Bradley (Florence Briggs Thayer)",female,38,1,0,PC 17599,71.2833,C85,C
3,1,3,"Heikkinen, Miss. Laina",female,26,0,0,STON/O2. 3101282,7.925,,S
test.csv:
PassengerId,Pclass,Name,Sex,Age,SibSp,Parch,Ticket,Fare,Cabin,Embarked
892,3,"Kelly, Mr. James",male,34.5,0,0,330911,7.8292,,Q
893,3,"Wilkes, Mrs. James (Ellen Needs)",female,47,1,0,363272,7,,S
894,2,"Myles, Mr. Thomas Francis",male,62,0,0,240276,9.6875,,Q
代碼解析
敲黑板，進入重點了，大家注意聽，讓我們來一行一行地解析這25行代碼。
運行結果
python ML.py
average score: 0.6547085201793722
模型性能
說到性能，程式設計師們通常都會想到「cpu idle」，或者 「運行時間」，「內存占用」等。 但是，對於一個機器學習項目， 其性能指的是準確率得分（accuracy_score)， 得分越接近於1.0， 就認為模型的性能越好。
後記
通過上面的運行結果，我們知道這個25行代碼的決策樹模型的得分為0.65，距離1.0還比較遙遠。
但是，一個完整的機器學習項目已經實現了。
在以後的文章中，小編會繼續介紹如何優化這個模型的性能，提前透露一下，最終模型的得分可以達到0.97，是不是很棒。