展开全部
你这个描述有点简单，但是从我的经验62616964757a686964616fe59b9ee7ad9431333339666139来看，应该是用python训练了一个模型做预测的时候用的。举一个例子。
在用scikit－learn包训练机器学习模型时候，这里举一个训练SVM的例子：
1. 先要按照scikit-learn包，先安装下面三个依赖包：
Python (>= 2.6 or >= 3.3),
NumPy (>= 1.6.1),
SciPy (>= 0.9).
然后在cmd命令行中输入：
pip install -U scikit-learn
2.例子：>>> import numpy as np
>>> X = np.array([[-1, -1], [-2, -1], [1, 1], [2, 1]]) ＃数据特征
>>> y = np.array([1, 1, 2, 2]) ＃ 数据对应的标签
>>> from sklearn.svm import SVC ＃ 导入svm的svc类(支持向量分类)
>>> clf = SVC() ＃ 创建分类器对象
>>> clf.fit(X, y) ＃ 用训练数据拟合分类器模型
SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
decision_function_shape=None, degree=3, gamma='auto', kernel='rbf',
max_iter=-1, probability=False, random_state=None, shrinking=True,
tol=0.001, verbose=False)
>>> clf.predict([[-0.8, -1]]) ＃ 用训练好的分类器去预测[-0.8, -1]数据的标签
[1]