目录
1、概念
决策树(DEcision Tree)
他通过对训练样本的学习,并建立分类规则,对新样本数据进行分类,属于有监督学习
决策树也是一种多功能的机器学习算法,它可以
实现分类和回归任务,甚至是多输出任务。
优点:
决策树易于理解和实现
决策树可处理数值型和非数值型数据
2 决策树生成方法
# dtModel=DecisionTreeClassifier(max_leaf_nodes=None)
max_leaf_nodes 最大的叶子节点数
## 训练模型
dtMOdel.fit(featureData,targetData)
featuereData 属性数据
targetData 目标数据
### dtModel.Predict(featureData)
featureData 属性数据
3、决策树绘图方法
sKlearn.tree.export_graphviz(...)
dtModel 决策树模型
out_file 图形数据的输出路径
class_names 目标属性名称,中文
feature_names 特征属性名称 中文
filled=Ture 是