题目
下表是某人对过去一周的天气和出行的记录情况，假设第8天不刮风、不下雨、天上有太阳，某人是否可以出行？
解题
第一步讲上述信息改为0、1存为名为play.csv的CSV文件，0代表否，1代表是。

#作者：小斌斌
#1、首先读取CSV文件
import pandas as pd
data=pd.read_csv("play.csv",header=None)  #header=None代表无表头，会自动填充
#实现对文本的转换变成数字矩阵
data[data=='是']=1
data[data=='否']=0
#开始切分数据、准备构建模型，进行预测
X=data[[0,1,2,3]]  #代表前4列
y=data[4]  #代表最后一列结果是y
X=np.array(x)  #数据转换通过numpy的array实现对pandas读取的训练数据进行包装
#此处不能写y=np.array(y)，否则会报错==ValueError:unknow label type要替换成下面的语句才行
y=np.array(y).astype(int)
#构建模型
from sklearn.linear_model  import LogisticRegression
model=LogisticRegression(solver='lbfgs') #逻辑回归，参数调整，优化模型规避一些警告和错误
#模型训练
model.fit(X,y)  #如果不处理y 的格式，此处会报错
#模型预测
result=model.predict([[0,1,0,0]])  #预测第8个值
#模型评分
print(model.score(X,y))  #因为数据量少，所以直接对训练集评分
#分类预测，之前评估指标，除了score还要混淆矩阵F1，分类报告
y_pred=model.predict(X)
from sklearn.metrics import Confusion_matrix  #导入混淆矩阵
cm=confusion_matrix(y,y_pred)
if result[0]==0:print("NO,不出去！！")
else:print("YES,出去！！")
#混淆矩阵可视化
import seaborn as sns
sns.heatmap(cm,annot=True,Xticklabels=[0,1],yticklabels=[0,1])  #mathplot的高级可视化工具
import matplotlib.pyplot as plt
plt.show()
plt.title("confusion_matrix")
plt.savefig("confusion_matrix.png")  #保存图片

好啦！就这么多啦，快去运行看看效果是什么样子吧！欢迎随时交流技术问题！！如果有误请海涵。