sklearn自学指南(part55)--决策树

学习笔记，仅供参考，有错必究‘

文章目录

决策树
- 分类
- 回归
- 多输出问题
- 实用技巧
- 决策树算法:ID3, C4.5, C5.0和CART

决策树

决策树(DTs)是一种用于分类和回归的非参数监督学习方法。目标是创建一个模型，通过学习从数据特性推断出的简单决策规则来预测目标变量的值。树可以看作是一个分段的常数近似。

例如，在下面的示例中，决策树通过一组if-then-else决策规则从数据中学习近似正弦曲线。树越深，决策规则越复杂，模型越适合。

决策树的一些优点:

理解和解释简单，且树可以可视化。
几乎不需要数据准备。其他技术通常需要数据标准化，需要创建虚拟变量和删除空白值。但是请注意，该模块不支持缺失值。
使用树的成本是对数，即用

sklearn自学指南(part55)--决策树相关推荐

sklearn自学指南(part57)--协方差估计
学习笔记,仅供参考,有错必纠文章目录协方差估计经验协方差缩减协方差基本的收缩 Ledoit-Wolf收缩甲骨文近似收缩(Oracle Approximating Shrinkage) 稀疏 ...
sklearn自学指南(part43)--数据加载工具
学习笔记,仅供参考,有错必究文章目录数据加载工具 Toy datasets Real world datasets 用法数据加载工具 sklearn.datasets 包嵌入了一些在入门的一节中 ...
sklearn自学指南(part34)--K-means
学习笔记,仅供参考,有错必究文章目录聚类聚类方法概述 K-means Low-level parallelism Mini Batch K-Means 聚类未标记数据的聚类可以通过模块skle ...
sklearn自学指南(part31)--半监督学习
学习笔记,仅供参考,有错必纠文章目录半监督学习自我训练标签传播半监督学习 Semi-supervised learning是指在你的训练数据中,有些样本是没有标签的情况.sklearn.se ...
sklearn自学指南(part30)--特征选择
学习笔记,仅供参考,有错必纠文章目录特征选择移除低方差变量单变量特征选择递归特征消除(Recursive feature elimination) 使用SelectFromModel进行特征 ...
sklearn自学指南(part29)--高斯混合模型
学习笔记,仅供参考,有错必究文章目录高斯混合模型高斯混合 `GaussianMixture`类的利与弊利弊经典高斯混合模型中组个数的选择估计算法期望最大化变分贝叶斯高斯混合估计算法: ...
sklearn自学指南(part28)--双向聚类
学习笔记,仅供参考,有错必纠文章目录双向聚类光谱共聚类算法数学原理谱聚类数学原理双聚类评价双向聚类使用模块 sklearn.cluster.bicluster可以进行双向聚类.双向聚 ...
sklearn自学指南(part26)--最近邻算法
学习笔记,仅供参考,有错必究文章目录最近邻无监督的最近邻寻找最近的邻居 KDTree和BallTree类最近邻分类最近邻回归最近邻算法暴力搜索 K-D树球状树(ball tree) ...
sklearn自学指南(part5)--使用手册的目录
学习笔记,仅供参考,有错必纠自翻译+举一反三文章目录 1.7. 高斯过程 1.8. 交叉分解 1.9. 朴素贝叶斯 1.10. 决策树 1.7. 高斯过程 1.7.1. 高斯过程回归(GPR) 1 ...

sklearn自学指南(part55)--决策树

文章目录

决策树

sklearn自学指南(part55)--决策树相关推荐

最新文章

热门文章