shsjssnn的博客

决策树模型是一种基本且常用的机器学习算法，它通过树状结构来进行分类和回归任务。以下是关于决策树模型的知识点总结：基本概念：决策树是一种树状结构，其中每个内部节点表示一个特征或属性测试，每个分支代表一个测试结果，每个叶节点代表一个类别标签或回归值。决策树的目标是通过将数据集划分为不同的区域来构建一个可以对新实例进行预测的模型。构建过程：决策树的构建过程通常采用递归地将数据集划分为子集的方式，直到满足某个停止条件。划分过程通常基于某种度量指标（如信息增益、基尼不纯度等），选择最佳的划分特征。

(一)理解线性模型的基本原理(二)能够使用pandas生成简单数据集(三)能够使用sklearn库进行线性模型的训练和预测(四)掌握岭回归、套索回归模型的参数调节(五)能够使用sklearn库进行逻辑回归模型的训练和预测

🎯修改jupyter notebook的默认文件路径🎃打开Anaconda Prompt🎃输入jupyter notebook --generate-config 命令🎃使用记事本打开🎃找到Jupyter Notebook（anaconda）的快捷方式🎃重启Jupyter Notebook（anaconda）🎯下载bank marketing数据集。🎯Pandas的基本使用方法🎃使用pandas读取数据🎃使用pandas查看数据描述信息🎃使用p