3 DecisionTreeRegressor
class sklearn.tree.DecisionTreeRegressor()
3.1 重要参数,属性及接口
参数 criterion
回归树衡量分枝质量的指标,支持的标准有三种:
1)输入“mse”,使用均方误差 mean squared error(MSE),为父节点和叶节点之间的均方误差的差额;被用来做特征选择的标准,这种方法通过使用叶节点的均值来最小化L2损失
2)输入“friedman_mse”,使用费尔德曼均方误差,这是费尔德曼针对潜在分枝问题改进后的均方误差
3)输入“mae”,使用绝对平均误差 mean absolute error(MAE),这种方法使用叶节点的中值来最小化L1损失
在回归树中,MSE不仅是分枝质量衡量指标,也是我们最常用的衡量回归树回归质量的指标;
当使用交叉验证或其他方式获取回归树的结果时,往往选择均方误差作为评估,追求MSE越小越好
然而,回归树的接口score返回的是R平方,并不是MSE