一、决策树算法原理
上一篇文章简单、直接、粗暴的使用了决策树算法对鸢尾花数据集进行分类,关于决策树算法的原理,以我的理解:就是用能最大概率的区分不同类别标签的特征值作为分裂节点。
常用的算法是:CART 和 ID3 算法。
CART 算法采用gini系数
最小的来决定使用哪种特征来进行分裂;
ID3算法采用信息增益
最大的特征来决定使用哪种特征来进行分裂;
二、决策树的最优参数
这次的数据集使用稍微复杂一点的泰坦尼克号预测生死的数据。
重复的代码不啰嗦,直接上
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
data=pd.read_csv(r'data.csv',index_col=0)
data.drop(['Cabin','Name','Ticket','Embarked'],inplace=True,axis=1)
data['Age']=data['Age'].fillna(data['Age'].mean())
data=data.dropna()
data['Sex']=data[