决策树算法优化(三)

在数据量很小的情况下,使用决策树能够很快的对数据进行分类,如果数据量大的话,构造决策树将耗费大量的时间,如果用创建好的决策树来进行分类能很好的解决这个问题。
使用pickle存储决策树,使用的时候直接读取。

def storeTree(inputTree,filename):
    fw=open(filename,'wb')
    pickle.dump(inputTree,fw)
    fw.close()

def grabTree(filename):
    fr=open(filename,'rb')
    data=pickle.load(fr)
    fr.close()
    return data
storeTree(mytree,'mytree.pkl')
grabTree('mytree.pkl')
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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