机器学习笔记：决策树

1.sklrearn中决策树的常用参数

DecisionTreeClassifier(criterion="gini",
splitter="best",
max_depth=None,
min_samples_split=2,
min_samples_leaf=1,
min_weight_fraction_leaf=0.,
max_features=None,
random_state=None,
max_leaf_nodes=None,
min_impurity_decrease=0.,
min_impurity_split=None,
class_weight=None,
presort=False)
**常用的参数：**

• criterion:用来设置用信息熵还是用基尼系数计算。

• splitter：指定分支模式
  splitter=‘best’：表示选择最优的分裂策略。
  splitter=‘random’：表示选择最好的随机切分策略。

• max_depth：最大深度，防止过拟合
  限定每个节点分支后子节点至少有多少个数据，否则就不分支
  可以选择输入一个整数，默认为None，None表示树的深度不限，直到所有的叶子节点都是纯净的，即叶子节点所有的样本点都属于同一个类别。

• min_samples_leaf：int, float, optional (default=1)。指定每个叶子节点需要的最少样本数。