机器学习算法_DT_决策树模型案例2_基于sklearn接口的回归

该博客详细介绍了如何利用sklearn库构建决策树回归模型。首先,导入必要的功能模块,接着通过加载数据集并划分训练集、测试集和验证集进行数据预处理。然后,博主对模型进行训练,并在训练过程中调整参数。最后,对模型进行预测和评估,以验证模型的性能。
摘要由CSDN通过智能技术生成

1、导入功能模块函数

from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split    # 划分测试集与训练集
from sklearn.tree import DecisionTreeRegressor
from sklearn.metrics import mean_absolute_error

import warnings
warnings.filterwarnings("ignore")

2、建模

2.1、导入测试数据数据集

# 导入测试数据数据集
boston = load_boston()

2.2、划分测试集-训练集-验证集

# 划分测试集-训练集-验证集
x_train, x_check, y_train, y_check = train_test_spli
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值