手把手教你用scikit-learn决策树算法库画出决策树

本文手把手教你如何使用scikit-learn的DecisionTreeClassifier和DecisionTreeRegressor进行分类与回归,并介绍参数设置、可视化技巧及防止过拟合的方法,包括调整max_depth、min_samples_split和min_samples_leaf,以及利用class_weight处理类别不平衡问题。
摘要由CSDN通过智能技术生成

想了解决策树的原理,可以看我关于决策树理论的介绍

参数的介绍

共同参数 含义
max_depth 决策树最大深度:默认可以不输入,决策树在生成的时候不会限制树的深度。一般来说,数据少或者特征少的时候可以不管这个值。如果模型样本量多,特征也多的情况下,推荐限制这个最大深度,具体的取值取决于数据的分布。常用的可以取值10-100之间。
max_features 划分时考虑的最大特征数:默认是”None”,意味着划分时考虑所有的特征数。可以使用很多种类型的值,如果是”log2”意味着划分时最多考虑 log2N l o g 2 N
  • 0
    点赞
  • 31
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值