decisiontreeregressor_机器学习|实例演示DecisionTreeClassifier和DecisionTreeRegressor的主要区别...

1 重要参数说明

DecisionTreeClassifier和DecisionTreeClassifier 重要参数调参注意点

参考网址：https://blog.csdn.net/akon_wang_hkbu/article/details/77621631

二者的不同之处——特征选择标准criterion

DecisionTreeClassifier：

可以使用"gini"或者"entropy"，前者代表基尼系数，一般说使用默认的基尼系数"gini"就可以了，即CART算法。后者代表信息增益，类似ID3, C4.5的最优特征选择方法。

DecisionTreeRegressor：

可以使用"mse"或者"mae"，前者是均方差，后者是和均值之差的绝对值之和。推荐使用默认的"mse"。一般来说"mse"比"mae"更加精确。除非你想比较二个参数的效果的不同之处。

2 实例演示

通过分析不同的数据集——鸢尾花数据集和波士顿房价数据集，来对DecisionTreeClassifier和DecisionTreeRegressor进行对比。

2.1 使用鸢尾花数据集

from sklearn import datasets

iris = datasets.load_iris() # 使用鸢尾花数据集

X = iris.data

y = iris.target

# 数据集分割为测试集和验证集

from sklearn.model_selection import train_test_split

X_train, X