【自用】菜菜sklearn 第一期 回归树

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