快速开始

本章的目的是，快速带领你训练一个模型，能够直观的感受到AI并没有那么高深。

0. 环境搭建

确保Python环境和Jupyter已经搭建好了，如果没有，参照《小白学Python的第一章》：第一章 基础环境配置 进行环境搭建。

AI相关的库安装

scikit-learn 

pip install -U scikit-learn

1.  任务

二分类任务

2. 代码编写

from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier

# 加载数据
data = load_breast_cancer()
X = data.data
y = data.target

# 将数据拆分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)

# 创建一个决策树模型
clf = DecisionTreeClassifier(random_state=0)

# 使用训练集数据训练决策树模型
clf.fit(X_train,y_train)

# 测试模型在测试集的性能
test_score = clf.score(X_test,y_test)
print('test score {}'.format(test_score))

3. 代码运行

4. 下一步

想要了解上述过程的细节，继续读下去