Sklearn学习笔记

开发环境：

• Anacoda-jupyter

• 下载graphviz

一、sklearn的基本信息

• 官网：https://scikit-learn.org/stable/

• 推荐书籍：《数据挖掘导论》《机器学习》又称西瓜书

• sklearn分为六个板块，如下：

1. 分类

2. 回归

3. 聚类

4. 降维

5. 模型选择

6. 数据的预处理

二、决策树

学习重点：

1. 解决两个重要问题：

• 如何从数据表中找出最佳节点和最佳分支？

• 如何让决策树停止生长，防止过拟合？

1. 掌握8个参数，1个属性，4个接口

2.1 基本定义

• 同时被用于分类和回归问题；

• 最大的缺点就是非常容易过拟合（ 什么是过拟合？就是说，它会在训练集上表现很好，在测试集上却表现糟糕。）；

• 从一张有特征和标签的表格中，通过对特征进行提问，为我们总结出一系列决策规则，并用树状图来呈现这些决策规则。

• 是非参数有监督的学习方法；

• 在决策过程中，我们一直在对记录的特征进行提问，那么：

• 最初问题所在的地方叫做根节点（没有进边，只有出边）；

• 在得到结论前的每一个问题都是中间节点（有进边，也有出边）；

• 得到的每一个结论都叫做叶子节点（有进边，没有出边）；

Tips：在两个相连的节点中，更接近根节点的是父节点，另一个是子节点。

2.2 决策树包含五个类