决策树④——决策树Sklearn调参（GridSearchCV调参及过程做图）

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],'m