决策树系列目录(文末有大礼相送
):
决策树①——信息熵&信息增益&基尼系数
决策树②——决策树算法原理(ID3,C4.5,CART)
决策树③——决策树参数介绍(分类和回归)
决策树⑤——Python代码实现决策树
决策树应用实例①——泰坦尼克号分类
决策树应用实例②——用户流失预测模型
决策树应用实例③——银行借贷模型
决策树应用实例④——淘宝&京东白条(回归&均方差&随机森林)
上一篇介绍了决策树Sklean库的参数,今天用GridSearchCV来进行调参,寻找到最优的参数(文末有大礼赠送
)
一、GridSearchCV介绍
① estimator: 训练器,可以是分类或是回归,这里就用决策树分类和决策树回归
② param_grid: 调整的参数,可以有两种方式:
a. 字典,键为参数名,值为可选的参数区间,调优过程会依次迭代所有的参数名下的值,得到每一个参数名下最优的值
param_grid= {'criterion':['gini'],'max_depth':[30,50,60,100],'min