python-机器学习-决策树深度影响分析

本文分析了决策树算法中,随着树深度增加,模型准确度提高但训练时间显著增长的现象。当深度达到一定阈值时,可能会导致过拟合。
摘要由CSDN通过智能技术生成

python-机器学习-决策树深度影响
本文是python-机器学习系列第三篇,对决策数深度影响分析
此次的决策树算法是引用我上一篇决策树算法
链接:python-机器学习-决策树算法
代码如下:

# -*- coding:utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
from sklearn.tree import DecisionTreeRegressor
import DecisionTree as de

if __name__ == "__main__":
    N = 100
    x = np.random.rand(N) * 6      # [-3,3)
    x.sort()
    y = np.sin(x) + np.random.randn(N) * 0.05
    y = y.reshape(-1, 1)
    print(y) 
    x = x.reshape(-1, 1)  # 转置后,得到N个样本,每个样本都是1维的
    print(x) 
    # 比较决策树的深度影响
    depth = [2, 4, 6, 8, 10]
    clr = 'rgbmy'
    # reg = [DecisionTreeRegressor(criterion='mse', max_depth=depth[0]),
    #        DecisionTreeRegressor(criterion='mse', m
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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