决策树与随机森林python机器学习--实现工资推算

• 决策树的概念：

顾名思义以树的形式判断决策，实质上和一个‘读心术’的游戏类似，提问者可以问n个问题，回答者只能回答是和否，

通过n次的回答，最终得到结论。

• 决策树的构建：

import numpy as np
#导入画图工具
import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap
from sklearn import tree,datasets

from sklearn.model_selection import train_test_split

wine = datasets.load_wine()
X = wine.data[:,:2]#只取前2个属性
y = wine.target

X_train,X_test,y_train,y_test = train_test_split(X,y)
clf = tree.DecisionTreeClassifier(max_depth=5)
clf.fit(X_train,y_train)

print(clf.predict_proba([[0.11,0.28]]))
print(clf.score(X_train,y_train))

X的2个属性即为问题，决策树的深度即为n，y的值即为最终结论。

• 图形显示：

cmap_light = ListedColormap(['#FFAAAA','#AAFFAA','#AAAAFF'])
cmap