python机器学习回归树算法

1、回归树：就是用决策树来做回归
决策树实际上相当于一个分类器
(1)回归树简单预测：
在这个例程中，属性和标签都是连续型的数据，且只有一个属性；
因此，决策树分类器就是根据该属性将标签分成若干组。有的组只有1个样本，体现为点；有的组有若干个样本，体现为一条横线。将他们用直线连接起来，就形成了图上红色的回归线。
当然，max_depth越大，回归线就越复杂


(2)回归树房价预测：
i：房价信息存储在一个名为housing的类中；类是python中一个非常重要的概念，具体参见此链接：python入门教程
ii：housing.data中存储8个属性，housing.target中存储1个标签；共计20640组数据；housing.DESCR陈述了该数据的概况
iii：由于该数据集有8个属性，因此不能作出拟合图像；但是仍然可以获得一个回归树，根据该回归树，将8个属性输入进去，即可获得预测的房价，实现了回归的功能

后记：这个回归树太大了，6万多行的代码，根本画不出来pdf的决策树图，所以用graph.save("回归树房价预测")生成一个txt拉倒