MÉTODO 1
Se requiere tener instalado:
Python (https://www.python.org/downloads/)
//En este momento scipy solo funciona con la version 3.4, superiores no.
1. Instalar python 3.4
2 Instalar numpy // Obligatorio para scikit
pip install numpy
3 Descargar scipy de sourceforge/project, pero la versión para 3.4 //Obligario para scikit
4 Correr el ejecutable descargado
5. Instalar matplotlib
pip install matplotlib
5 Instalar scikit
pip install -U scikit-learn
o
pip install sklearn
MÉTODO 2Instalar winpython que viene con las librerias ya instaladas, solo verifique que en las variables del sistema de windows este el directorio donde se instalo.
https://sourceforge.net/projects/winpython/
********************************************
PROGRAMA 1
Weight | Texture | Label |
---|---|---|
150g | Bumpy | Orange |
170g | Bumpy | Orange |
140g | Smooth | Apple |
130g | Smooth | Apple |
Permite convertir esa tabla en algún código Python. Vamos a crear dos variables: características y etiquetas. Las características serán la información en las dos primeras columnas (las características) y las etiquetas contendrán los datos en la última columna. Otra forma de pensar en esto es que las características son la entrada al clasificador y las etiquetas son nuestra salida deseada.
from sklearn import tree
features = [[140, 1], [130, 1], [150, 0], [170, 0]]
labels = [0, 0, 1, 1]
clf = tree.DecisionTreeClassifier()
clf = clf.fit(features, labels)
print (clf.predict([[160, 0]]))
http://www.techtrek.io/machine-learning-part-1/
PROGRAMA 2
# importando pandas, numpy y matplotlib
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# importando los datasets de sklearn
from sklearn import datasets
boston = datasets.load_boston()
boston_df = pd.DataFrame(boston.data, columns=boston.feature_names)
boston_df['TARGET'] = boston.target
boston_df.head()
print (boston_df.head())
REFERNCIAS
http://relopezbriega.github.io/blog/2015/10/10/machine-learning-con-python/
https://www.youtube.com/watch?v=OGxgnH8y2NM&list=PLQVvvaa0QuDfKTOs3Keq_kaG2P55YRn5v
No hay comentarios.:
Publicar un comentario