参数说明汇总

sklearn.model_selection.train_test_split

X_train,X_test, y_train, y_test = sklearn.model_selection.train_test_split(
						train_data,train_target,test_size=0.4, random_state=0,stratify=y_train)

scikit-learn链接

• train_data：被划分的样本特征集
• train_target：被划分的样本标签
• test_size/train_size：如果是浮点数，在0-1之间，表示样本占比；如果是整数的话就是样本的数量。
• random_state：是随机数的种子，控制随机状态。
  随机数种子：其实就是该组随机数的编号，在需要重复试验的时候，保证得到一组一样的随机数，种子(数值)不同产生的种子不同，当不填或者为None时每次产生的随机数不同，为0时也是相同的（有的博客说不同，试过是一样的）
• shuffle：是否打乱数据的顺序，再划分，默认True。
• stratify：none或者array/series类型的数据，表示按这列进行分层采样。
  将stratify=X就是按照X中的比例分配
  将stratify=y就是按照y中的比例分配

sklearn.tree.DecisionTreeClassifier

决策树分类和回归（下面），篇幅过长见：决策树 sklearn 参数说明

sklearn.tree.DecisionTreeRegressor

记录自己的学习过程，方便日后查阅，如有不对的地方还请指教！如果你喜欢欢迎点赞、评论\(^o^)/~