机器学习sklearn——day01

 决策树

目标：将表格转化成一颗树

决策树的核心算法要解决两个问题：

流程：

分类树对应代码：

 

 这两个参数用来控制随机性

 控制不纯度的计算

 分类树：剪枝参数调优

max_depth  限制树的最大深度，超过深度减去

min_samples_leaf & min_samples_split   

 

mind_ features&min_impurity_decrease

 

确定最优剪枝参数？

使用确定超参数曲线判断

 

结果显示 3最好

 

class_weight&min_weight_fraction_leaf    （控制目标参数权重）

 

重要属性

属性就是在模型训练之后，能够调用查看模型的各种性质。

 

接口

 

 

 回归树：参数，属性和接口 

回归树衡量分类指标有三：

回归树：交叉验证 

观察模型稳定性的一种方法

   网格搜索——同时调整多个参数的技术 （本质是枚举技术）