今天我想送給大家兩句話：1：在這個浮躁的社會中，每個人都想找到捷徑，那么我想認真踏實地做好一件事也便是最大的捷徑了。2：不要管別人做什么，有自己的目標，可能你現在的環境牛人多多，讓你壓力巨大，也可能你身處的環境廢物多多，讓你感慨你本可以讓自己更加強大。不要管這些，只要相信自己選擇的，走下去。
以上獻給迷茫的人們，同時也自勉。不多說，進入八大分類器。
引言：樹葉有好多種，如下圖：
目標：寫一個系統，讓系統區分各種樹葉屬於哪個品種。
我的思路如下圖：
特征提取：也就是我們前幾張說的xi，抽取能代表這個物體的特征。比如讓你去識別另外一個人，一般從臉型，膚色，身高，體重…..這些特征去標記，現在計算機識別樹葉可能就從葉子啊，形狀啊，寬度啊，有無鋸齒啊，這些去識別。這個詳細我們暫時不說，下次再說。
訓練分類器：就是找到一個有某些特征的樣本，我們只需要對新來的特征和前面出現類似的特征進行比對，那么找出最可能的類別，我們就說這個新的樣本是屬於這個類別的。
測試數據：當這個模型找出來了，我們是不是得測試一下這個人可不可信對吧，就好像我們生活中的，有的人酷愛吹牛逼，那么我們對他說的話，是不是就抱着懷疑的態度？而有的人幾乎很少說謊話，那么他說的話是不是可信度就大，這個測試數據就是這個道理，測試效果越好，那么這個模型分類器可能效果就越好。
下面是代碼講解部分，為了方便我先以截圖的形式，呈上代碼，最后用百度雲上傳我的數據集和源代碼，希望大家學得愉快。
一 代碼講解
這一段代碼沒什么好說的，就是導入matplotlib,pandas,sklearn的這些包.python這個語言最強大的地方就是可以直接引用別的語言寫的代碼包，其實python作為一門腳本語言它本身的執行速度是很慢的，但是它就像膠水一樣把其他語言實現的功能粘合起來，那么就很厲害了，類似於劉邦，馭人於千里之外。所以它又叫膠水語言。
這一段代碼是讀取train.csv和test.csv數據。然后把train.csv中的species項作為標簽項，除了id項，其他項作為特征項。y_test作為數據的原始標簽,留着和以后的預測值作比較。
這一段代碼就是把k近鄰，svc，隨機森林這些分類器的名稱寫在classifiers這個列表里，等着我們之后調用它。Svc我們這里用的是rbf核，也就是高斯核。
這里for 循環就是調用列表里的分類器，然后fit（），也就是訓練一下，輸入的參數是特征集和標簽集，44行，分別用剛剛訓練出來的參數，對x_text進行預測，得到預測值。接着再用預測值與原本的樣本標簽就行比較，求出正確率和損失值。
這一段就是畫出結果圖沒什么好說的。
二 結果分析
可以看出隨機森林和gridentboosting表現最好，這個gridentboosting用梯度下降算法保證最后的結果最好，這個算法就是三個臭皮匠賽過一個諸葛亮。。。。但是Adaboost算法瞬間打我臉有木有，這個的結果差的離譜，我現在還沒有想出來是為什么原因。。。。。。等我下次繼續做實驗驗證吧。。
給大家看看ACC和loss圖吧，這些都是說明這個模型的靠譜程度，不是那種吹牛逼模式。
三 源碼鏈接
本文的源碼百度雲鏈接為：鏈接：http://pan.baidu.com/s/1kV9ClIR 密碼：mv2n
謝謝大家觀看。哈哈。