DecisionTreeClassifier决策树
概括
决策树(Decision tree)是一种非参数的有监督学习方法,它能够从一系列有特征的和标签的数据中总结出决策规则,并以树状图的结构来呈现这些规则,以解决分类和回归问题。
from sklearn.tree import DecisionTreeClassifier
重要参数
名称 | 注解 | 描述 |
---|---|---|
criterion | 衡量不纯度的指标 | 默认基尼系数(‘gini’)。或输入‘entropy’使用信息增益 |
splitter | 每个节点分枝策略 | 默认使用最佳分枝(best)。或输入‘random’使用最佳随机分枝 |
max_depth | 数的最大深度 | 整数或None。如果是None,树会持续生长到所有叶子结点的不纯度为0,或者生长到每个叶子节点所含样本量不超过参数min_samples_split中输入的数字 |
min_samples_split | 节点分枝所需的最小样本量 | 一个节点的样本量小于填写的数字,节点就不会分枝,故而成为了叶子节点 |
min_samples_leaf | 叶子节点存在所需的最小样本量 | 一个节点分枝后必须包含最小的样本量,否则分枝就不会发生 |
max_features | 分枝时考虑的特征个数 | 每一次分枝都考虑max_features个特征 |
random_state | 随机数种子 | 整数或None |
class_weigh | 标签持有的权重 | 默认‘None’。或输入‘balanced’ |
分枝原理
分枝的不纯度用gini系数或信息熵来衡量,每次分枝时,对所有特征计算不纯度,选取不纯度最低的特征进行分枝,再对分枝剩下的样本计算不纯度,继续选取不纯度最低的特征,以此往复。直至没有特征可用,或整体的不纯度达到最优,树就会停止生长。
计算公式
1)输入”entropy“,使用信息熵(Entropy)
2)输入”gini“,使用基尼系数(Gini Impurity)
简单建模
clf=DecisionTreeClassifier()
clf=clf.fit(x_train,y_train)
result=clf.score(x_test,y_test)
属性和接口
属性 | 注解 |
---|---|
feature_importances | 特征重要性 |
n_features_ | 训练模型(fit)使用的特征个数 |
n_outputs_ | 训练模型(fit)输出结果的个数 |
接口 | 注解 |
predict | 返回模型预测的测试样本的标签或回归值 |
DecisionTreeClassifier决策树相关推荐
- Spark-MLlib 学习入门到掌握-DecisionTreeClassifier决策树分类器[19]
决策树是一个预测模型:他代表的是对象属性与对象值之间的一种映射关系.树中每个节点表示某个对象,而每个分叉路径则代表的某个可能的属性值,而每个叶结点则对应从根节点到该叶节点所经历的路径所表示的对象的值. ...
- MachineLearning(7)-决策树基础+sklearn.DecisionTreeClassifier简单实践
sklearn.DecisionTreeClassifier决策树简单使用 1.决策树算法基础 2.sklearn.DecisionTreeClassifier简单实践 2.1 决策树类 2.3 决策 ...
- 【机器学习】07. 决策树模型DecisionTreeClassifier(代码注释,思路推导)
目录 资源下载 实现思路与核心函数解读 DecisionTreeClassifier分类决策树 tree.plot_tree决策树可视化 1. 对决策树最大深度的研究与可视化 绘图结果 分析 2. 对 ...
- 【机器学习入门】(5) 决策树算法实战:sklearn实现决策树,实例应用(沉船幸存者预测)附python完整代码及数据集
各位同学好,今天和大家分享一下python机器学习中的决策树算法,在上一节中我介绍了决策树算法的基本原理,这一节,我将通过实例应用带大家进一步认识这个算法.文末有完整代码和数据集,需要的自取.那我们开 ...
- 机器学习决策树的Sklearn的实现(隐形眼镜镜片决策树实现)
上一篇博客我对决策树做了介绍,当然那是自己编写的算法去实现决策树的构造和图的绘制,在sklearn库中sklearn.tree模块提供了决策树模型供我们使用,所以对它来个简单介绍. 回顾: 决 ...
- sklearn决策树--泰坦尼克号幸存者预测
决策树的原理即利用不同的最优特征选择方法,优先选择样本纯度最高的特征来进行样本分类.其中: 使用信息增益的决策树算法为 ID3: 使用信息增益率的决策树算法为 C4.5: 使用Gini指 ...
- python 随机森林分类 DecisionTreeClassifier 随机搜索优化参数 GridSearchCV
@python 随机森林分类模型 随机优化参数 学习笔记 随机森林 1.随机森林模型 随机森林算法是基于决策树算法的Begging优化版本,通过集成学习的思想将多棵树集成的一种算法,它的基本单元是决策 ...
- 监督学习--分类之决策树
监督学习-分类-决策树 决策树使用树形分支结构分类事物 例: 小丽找对象,要求:高.帅.富 小明找对象,要求:美美美 if height >= 172:if hansom = '帅':if ri ...
- 机器学习:决策树(Decision Tree)介绍
简介 决策树是一种常见的机器学习算法,它的实现方式类似于我们平时利用多个不同权重选择做决策的过程.以下介绍一个现实生活中的例子. 当父母给自己的女儿介绍对象时,女儿往往会根据对方的年龄.富贵.高矮.美 ...
最新文章
- 代码逻辑是分方法写好 还是在一个方法写好_这一团糟的代码,真的是我写的吗?...
- python实现WordCount(第三次作业)
- Matlab实用程序--图形应用-双y轴图形的绘制
- 三心二意,助你好运?
- kcp-go源码解析
- java nio空轮循_Java nio 空轮询bug到底是什么
- 如何对shell脚本进行加密且不影响脚本运行
- 福州大学 Problem 2169 shadow
- Hough变换的理解
- vue 组件开发基本思路
- CorelDraw软件快速入门
- 雷电模拟器android文件夹在哪,雷电模拟器共享文件夹怎么用_雷电模拟器共享文件夹功能使用方法介绍_3DM手游...
- EXCEL:获取某列或得中最后一个非空单元格的行数和数值
- 会员等级图标js脚本
- linux下显示隐藏文件
- Win11如何更改屏幕刷新率?Win11更改屏幕刷新率的方法
- flowchart流程图
- Testin云测平台
- 构造和析构函数的调用
- python 自动发微博 (微博H5接口)
热门文章
- 一键生成Springboot Vue项目! 【私活神器】
- 微信产品经理-张小龙:如何把产品做简单
- c语言程序设计1253,1253c语言程序设计a(2010年1月)
- 如何下载ArcGis Server离线地图瓦片数据
- goland debug高级技巧
- uafxcwd.lib(dllmodul.obj) : error LNK2005: _DllMain@12 already defined in main.obj
- TL431与PC817光耦在开关电源中的应用
- unity3D学习10 AR/MR技术
- 【个人思考系列】在美团点评当工程师的第一年总结
- Centos常用基础命令