sklearn决策树回归使用预测氪金玩家(网格搜索）

使用sklearn的DecisionTreeRegressor解决分类问题实例。

数据集描述

       数据集存放在一个csv的文件中，其中有108个特征，1列目标变量。其中特征中有一个特征是玩家id，以及玩家的注册时间，将这两个无关变量剔除掉。剩余106个特征，特征变量的类型为数字。

加载数据

      

import numpy as np
import pandas as pd

data = pd.read_csv("train.csv")
test = pd.read_csv("tap_fun_test.csv")

 分别将train训练集中的数据,以及test测试集中的数据读取；

处理数据

1.剔除在线时长小于5的数据

data_split = data[data['avg_online_minutes']<5]

2.拆分训练集和测试集

from sklearn.model_selection import train_test_split

X_train,X_test,y_train,y_test = train_test_split(trainX,trainY,random_state=666)

简单建模测试

1.代入模型

from sklearn.tree import DecisionTreeRegressor

dt_reg = DecisionTreeRegressor(max_depth=5)
dt_reg.fit(X_train,y_train)

2.得出训练得分

dt_reg.score(X_test, y_test)

网格化搜索测试