python中sklearn实现决策树及模型评估_Python sklearn决策树算法实践

scikit-learn简称sklearn，支持包括分类、回归、降维和聚类四大机器学习算法。还包含了特征提取、数据处理和模型评估三大模块。sklearn是Scipy科学计算库的扩展，建立在NumPy和matplotlib库的基础上。利用这几大模块的优势，可以大大提高机器学习的效率。

Scikit-learn项目最早由数据科学家 David Cournapeau 在 2007 年发起，需要NumPy和SciPy等其他包的支持，是Python语言中专门针对机器学习应用而发展起来的一款开源框架。

在Windows环境中，sklearn 需要在安装 numpy+mkl 和scipy 之后才可以安装，安装过程如下。

首先，下载Python scikit-learn，Windows版下载网站地址为：https://www.lfd.uci.edu/~gohlke/pythonlibs/，链接为scikit_learn‑0.19.1‑cp36‑cp36m‑win_amd64.whl。

安装操作如下：

D:\Python\Python36\Tools>pip install d:\python\scikit_learn-0.19.1-cp36-cp36m-win_amd64.whl

Processing d:\python\scikit_learn-0.19.1-cp36-cp36m-win_amd64.whl

Installing collected packages: scikit-learn

Successfully installed scikit-learn-0.19.1

以抽油机杆断脱工况为例，通过功图标准化数据集与该井理论功图库进行分类对比，确定抽油杆断脱对应特征。功图变窄用实测功图载荷差与理论功图载荷差的比值来表征；最大