sklearn的DecisionTreeClassifier与红酒数据集（使用学习曲线确定参数的最优值）

刚刚使用SKLearn学习机器学习进行数据分析，分享一些概念和想法，希望可以大家一起讨论，如果理解或者表达有不准确的地方，请多多指点，不吝赐教，非常感谢～～

涉及决策树其他参数：
请转至《DecisionTreeClassifier与红酒数据集（criterion及创建一个树）》：https://blog.csdn.net/weixin_42969619/article/details/98884082
以及《sklearn的DecisionTreeClassifier与红酒数据集（参数random_state & splitter ）》：
https://blog.csdn.net/weixin_42969619/article/details/99301017

---

超参数的学习曲线，是一条以超参数的取值为横坐标，模型的度量指标为纵坐标的曲
线（即score），它是用来衡量不同超参数取值下模型的表现的线。

import matplotlib.pyplot as plt
test = []
for i in range(10):
    clf = tree.DecisionTreeClassifier(max_depth=i+1
                                     ,criterion="entropy"
                                     ,random_state=30
                                     ,splitter="random"
                                     )
    clf = clf.fit(Xtrain, Ytrain)
    score = clf.score(Xtest, Ytest)
    test.append(score)
plt.plot(range(1,11),test,color="red",label="max_depth")
plt.legend()
plt.show()

可以看出，在max_depth参数取值为3时， score分数最高

• 学习曲线可以确定某一个参数的最优值，之后会介绍如何一次性调整多个参数

----- 待续