TUTORIAL MACHINE LEARNING

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 2
Instalar 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

Tenemos dos maneras de determinar la fruta: el peso y la textura. Estas son ambas características y una buena característica le ayudará a discriminar la fruta. La última columna en cada fila es una etiqueta, que es lo que identifica la fruta. Para nosotros, sólo hay dos posibilidades: Apple o Orange. Cada fila de la tabla es un ejemplo y toda la tabla es la información de entrenamiento. Cuantos más datos pongamos en los datos de entrenamiento, mejor será el clasificador.

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

Introducción a Machine Learning con Python (Parte 1)

Introducción a Machine Learning con Python (Parte 2)

http://relopezbriega.github.io/blog/2015/10/10/machine-learning-con-python/

https://www.youtube.com/watch?v=OGxgnH8y2NM&list=PLQVvvaa0QuDfKTOs3Keq_kaG2P55YRn5v