数据挖掘总结之一——决策树（Jupyter lab）

决策树（Decision Tree）

决策树是一个预测模型，是一种非参数的监督学习方法，使用树状图来呈现它从数据特征和标签中总结出的规则。

类名	功能
tree.DecisionTreeClasifier	分类树
tree.DecisionTreeRegressor	回归树
tree.export_graphviz	画出生成的决策树

建模基本流程

• 实例化模型对象
• 划分训练集和测试集，训练模型
• 获取模型参数，调参

相关库

Python
Scikit-learn
Graphviz
Pandas
Matplotlib
SciPy
Numpy

分类树（DecisionTreeClassifier）

分类树重要参数

criterion(决定不纯度的计算方法，帮助寻找最佳节点和分支，不纯度越低越好)：

• “entropy”：使用信息熵（当决策树的拟合程度不够的时候使用）
• “gini”：基尼系数（默认）数据维度很大，噪音很大时使用