机器学习入门——关于苹果、橘子的分类

今天刚接触Anaconda就简单学习了个超级超级不要太简单的小程序，就是关于苹果橘子的分类。学习的时候，一开始我是这样写的：

>>> from sklearn import tree
>>> features=[[140,'smooth'],[130,'smooth'],[150,'bumpy'],[170,'bumpy']]
>>> labels=["apple","apple","orange","orange"]
>>> clf=tree.DecisionTreeClassifier()
>>> clf=clf.fit(features,labels)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "E:\Anaconda\lib\site-packages\sklearn\tree\tree.py", line 790, in fit
    X_idx_sorted=X_idx_sorted)
  File "E:\Anaconda\lib\site-packages\sklearn\tree\tree.py", line 116, in fit
    X = check_array(X, dtype=DTYPE, accept_sparse="csc")
  File "E:\Anaconda\lib\site-packages\sklearn\utils\validation.py", line 433, in check_array
    array = np.array(array, dtype=dtype, order=order, copy=copy)
ValueError: could not convert string to float: 'smooth'

于是就报错了，所以我就用0.1进行了替换，变成了如下代码就可以了。

>>> from sklearn import tree
>>> features=[[140,1],[130,1],[150,0],[170,0]]
>>> labels=[0,0,1,1]
>>> clf=tree.DecisionTreeClassifier()#决策树分类器（空的规则盒子）
>>> clf=clf.fit(features,labels)#训练所用算法fit
>>> print clf.predict([[150,0]])
  File "<stdin>", line 1
    print clf.predict([[150,0]])
            ^
SyntaxError: invalid syntax
>>> print(clf.predict([[150,0]]))#预测
[1]

上边有个小错误，因为我忘了我的python是3.7，写错的那种写法是python2.7的写法。
具体为什么不能用字符串？是不是别的方式可以用string类型？
我还得再学习学习，因为对那些库以及库函数都不是很清楚呢，如果哪位大神看见了我这博客，可以评论告诉我，我还是小白，不能再小再白的小白。