sklearn决策树的重要属性和接口

属性是在模型训练之后，能够调用查看的模型的各种性质。对决策树来说，最重要的是feature_importances_，能够查看各个特征对模型的重要性。
sklearn中许多算法的接口都是相似的，比如说我们之前已经用到的fit和score，几乎对每个算法都可以使用。
除此之外，决策树最常用的接口还有apply和predict。
apply中输入测试集返回每个测试样本所在的叶子节点的索引，predict输入测试集返回每个测试样本的标签。返回的内容一目了然。
不得不提的是，所有接口中要求输入Xtrain和Xtest的部分，输入的特征矩阵必须至少是一个二维矩阵。 sklearn不接受任何一维矩阵作为特征矩阵被输入。如果你的数据的确只有一个特征，那必须用reshape(-1,1)来给矩阵增维。
总结一下：
决策树的八个参数：Criterion，两个随机性相关的参数(random_state，splitter)，五个剪枝参数(max_depth，min_samples_split，min_samples_leaf，max_feature，min_impurity_decrease)
一个属性：feature_importances_
四个接口：fit，score，apply，predict。