本文將會取自於 Kaggle 相關人士的程式敘述，將Machine-Learning各種觀念帶進來。

import pandas as pd

melbourne_file_path =
melbourne_data = pd.read_csv(melbourne_file_path) 
melbourne_data.columns

上述是利用將電腦中的csv來做演算 ML 資料。

melbourne_data = melbourne_data.dropna(axis=0)

y = melbourne_data.Price

melbourne_features = ['Rooms', 'Bathroom', 'Landsize', 'Lattitude', 'Longtitude']

X = melbourne_data[melbourne_features]
X.describe()
X.head()

from sklearn.tree import DecisionTreeRegressor

melbourne_model = DecisionTreeRegressor(random_state=1)

melbourne_model.fit(X, y)

print("Making predictions for the following 5 houses:")
print(X.head())
print("The predictions are")
print(melbourne_model.predict(X.head()))

以上將資料抓下處理，中間的Feature 部分是根據自己所需要的資料來做分類使用，使用利用 sklearn 中的決策樹來決定model使用方式，來耦合，耦合完畢將資料直接輸出。

以上為不專業的AI介紹，謝謝各位，那我們下篇見~~~~~~~~