机器学习笔记（三）：决策树

最新推荐文章于 2023-04-12 12:45:52 发布

忌颓废

最新推荐文章于 2023-04-12 12:45:52 发布

阅读量438

点赞数 1

分类专栏：机器学习文章标签：机器学习 python 决策树

本文链接：https://blog.csdn.net/weixin_44947339/article/details/104777805

版权

本文介绍了决策树这一非参数监督学习方法，用于分类和回归任务。重点讲解了`DecisionTreeClassifier`和`DecisionTreeRegressor`的使用，包括它们的输入参数和实例应用。文中以泰坦尼克乘客生还预测为例，展示了如何构建并可视化决策树模型。

摘要由CSDN通过智能技术生成

阅读目录

决策树

决策树（DT）是一种用于分类和回归的非参数监督学习方法。目的是创建一个模型，通过学习从数据特征推断出的简单决策规则来预测目标变量的值。

在这里插入图片描述

1、常用的决策树算法见下表：

在这里插入图片描述

2、分类——实现类是DecisionTreeClassifier，能够执行数据集的多类分类

输入参数为两个数组X[n_samples,n_features]和 y[n_samples],X 为训练数据，y 为训练数据的标记数据
DecisionTreeClassifier 构造方法为：

 sklearn.tree.DecisionTreeClassifier(
 criterion='gini' ,  splitter='best'  , max_depth=None 
 , min_samples_split=2 
 , min_samples_leaf=1 
 , max_features=None 
 , random_state=None 
 , min_density=None 
 , compute_importances=None 
 , max_leaf_nodes=None
 )