使用机器学习进行天气预测的python代码

以下是一个简单的使用机器学习进行天气预测的Python代码，使用了决策树模型：

import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn import metrics

# 读取数据集
weather = pd.read_csv("weather.csv")

# 特征选择
X = weather[['Outlook', 'Temperature', 'Humidity', 'Wind']]
y = weather['Play']

# 将分类变量转换为数值变量
X = pd.get_dummies(X)

# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1)

# 创建决策树分类器对象
clf = DecisionTreeClassifier()

# 训练决策树模型
clf = clf.fit(X_train,y_train)

# 预测测试集结果
y_pred = clf.predict(X_test)

# 模型评估
print("Accuracy:",metrics.accuracy_score(y_test, y_pred))

其中，数据集`weather.csv`包含了天气和是否可以进行户外活动的标签。我们先进行特征选择，然后将分类变量进行数值化处理。接着，我们将数据集划分为训练集和测试集，使用决策树模型进行训练和预测，并计算模型的准确率。