人工智能基础（二十二）决策树API

决策树API

sklearn.tree.DecisionTreeClassifier(criterion=‘gini’, max_depth=None, random_state=None)
参数：
criterion：
特征选择标准

min_samples_split
内部节点再划分所需最小样本数

min_samples_leaf
叶子节点最小样本数

max_depth
决策树最大深度

1、流程分析：
1.获取数据
2.数据基本处理
2.1 确定特征值,目标值
2.2 缺失值处理
2.3 数据集划分
3.特征工程(字典特征抽取)
4.机器学习(决策树)
5.模型评估

2、可视化
sklearn.tree.export_graphviz()
3、小结
优点：
简单的理解和解释，数木可视化
缺点：
决策树学习者可以创建不能很好的推广数据的过于复杂的树，容易发生过拟合。
改进：
剪枝cart算法
随机森林（集成学习的一种）