接下来，特征的名称被捕捉到一个单独的变量中，即下面示例的columns_for_features。同时，随机森林分类器被创建并存储在名为classifier 的变量中。

现在，训练模型的一切都准备好了。分类器有一个函数 fit，通过训练数据集（train_df）被告知要注意的行，以及训练标签，或已经可用的类别。

所以现在模型可以训练了。它将会确定“features”与“labels”之间的关系，并且只有当features可用时才能确定数据未知的label。

测试模型

使用测试数据集，可以测试模型的执行性能。分类器有一个叫做predict的函数，它从前面准备的test_df数据集传递特征数据。它的输出是一组整数（0, 1, 2），分别表示标签（'high'，'med'，'low'），即模型预测出的类别。

这很令人兴奋，但意义不是很大。几个快速步骤可以将值解码回文本标签，然后将模型得出的类别与测试数据集中的原始标签进行比较。

下面的表格显示了每个真实的组与预测组的比较。这里显示的是，对于高风险的10个观察值，该模型预测其中9个是高风险，1个是中等风险。对于18个的低风险的观察值，j2直播，该模型的预测完全一致。对于最后10个中等风险的观察值，模型的预测有7项正确，另外3项被错误地预测为高风险。

这是一个不错的结果。几个小步骤，我们就能够创建一个模型，训练它识别数据中的模式，并基于这些训练，模型能够预测新数据的类别。这意味着，你的公司可能不再需要人去人工审查所有的客户资料，你可以简化过程并只关注高风险客户。

在这个case中，分类器预测的是风险水平。同样的技术也可以应用于预测客户流失，机器故障以及其他各种业务问题。

在实际应用中，这个过程要花更多的时间，但这是理解机器学习的基本原理和关键步骤的很好的第一步。

此外，使用预先准备好的数据集有很大好处。在大多数情况下，要做大量的工作将数据变为易于建模的形式之后，机器学习的荣耀才会显现。这些工作包括数据清洗，特征选择，转换和格式化等。

原文：https://www.theregister.co.uk/2017/06/21/15_minutes_in_machine_learning/