一、解决回归问题的思路
1)思路对比
- 解决分类问题:根据模型参数训练结束后,对每个“叶子”节点的样本数据进行投票,规定数量最多的样本的类型为该“叶子”的预测类型;
- 解决回归问题:根据模型参数划分结束后,对每个“叶子”节点处 的相应的数据输出值的平均值,作为该“叶子”的预测值;(也就是训练结束后,每个“叶子”处可能有多个数值,取多个数值的平均值作为该“叶子”的预测值,根据特征值预测未知的样本数据时,如果最终计算结果在该“叶子”上,认为该“叶子”的预测值为该特征值对应的样本的数据;)
2)scikit-learn 的决策树算法
- 两个算法的参数相同,参数的功能相同;
- DecisionTreeClassifier():解决分类问题;
- DecisionTreeRegressor():解决回归问题;