使用决策树回归模型
1. 导入数据
- 从数据集中导入波士顿房价数据
- 分割训练集和测试集
2. 决策树回归模型
- 创建决策树回归模型,训练
- 查看相关特征的情况
3. 性能检测
- 导入均方误差和平均绝对误差模块
查看经验误差和泛化误差
说明该数据有点过拟合 - 绘制图像,
4.调优
上面的模型有些过拟合,如果这个范围不能被接受,那么就需要进行调优
4.1 如果用网格搜索进行调优
- 创建新的决策树回归模型
- 使用网格搜索进行调优
虽然这个准确率还是比较高的
但是网格搜索,比价适用于分类问题,因为网格搜索判断的依据score(即准确率),对于回归问题来说, 准确率不能作为决断唯一的标准
4.2 回归问题,一般用for循环来调优
查看性能
均方误差对比就减小了一些,现在的算法为最优算法