CART是什么?CART分类的原理是什么?
CART 算法,英文全称叫做 Classification And Regression Tree,中文叫做分类回归树。
CART分类的原理:
CART算法是基于基尼指数来做属性划分的。
基尼系数:
CART和ID3,C4.5有什么异同点:
在sklearn中决策树怎么试用,都有哪些参数:
DecisionTreeClassifier是分类决策树
sklearn.tree.DecisionTreeClassifier(criterion=‘gini’, splitter=‘best’, max_depth=None,min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features=None,random_state=None,max_leaf_nodes=None, class_weight=None,presort=False)
criterion:一个字符串,指定切分质量的评价准则。可以为:
‘gini’:表示切分时评价准则是Gini系数
‘entropy’:表示切分时评价准则是熵
其它参数参考 DecisionTreeRegressor 。
模型属性:
classes_:分类的标签值。
n_classes_:给出了分类的数量。
其它属性参考 DecisionTreeRegressor 。
模型方法:
fit(X, y[, sample_weight, check_input, …]):训练模型。
predict(X[, check_input]):用模型进行预测,返回预测值。
predict_log_proba(X):返回一个数组,数组的元素依次是X预测为各个类别的概率的对数值。
predict_proba(X):返回一个数组,数组的元素依次是X预测为各个类别的概率值。
score(X,y[,sample_weight]):返回模型的预测性能得分。