介绍:
1.决策树是一种非参数的有监督学习,它能够从一系列有特征和标签的数据中总结出决策规则,并用树状图的结构来呈现这些规则,以解决分类和回归问题。
具体流程:
1.实例化,建立评估模型对象
2.通过模型接口训练模型
3.通过模型接口提取需要的信息
代码例子:
from sklearn import tree #导入需要的模块,即sklearn,或者其中的tree
clf=tree.DecisionTreeClassifier() #实例化
clf=clf.fit(x_train,y_train) #用训