sklearn笔记22 梯度提升树原理

完整代码 sklearn代码16 6-梯度提升树原理

此实验中数据比较简单，主要是为了分析梯度提升树执行的原理

import numpy as np

import matplotlib.pyplot as plt
%matplotlib inline

# 回归是分类的极限思想
# 分类的类别多到一定程度,就是回归

from sklearn.ensemble import GradientBoostingClassifier,GradientBoostingRegressor
from sklearn import tree

# X数据：上网时间和购物金额
# y目标:14 16, 24,26
X = np.array([[800,3],[1200,1],[1800,4],[2500,2]])

y = np.array([14,16,24,26])

gbdt= GradientBoostingClassifier(n_estimators=10)

gbdt.fit(X, y)

gbdt.predict(X)

gbdt[0,0].predict(X)

gbdt[-1,0].predict(X)

# 使用回归
gbdt = GradientBoostingRegressor(n_estimators=10)

gbdt