sklearn 决策树(分类树、回归树)的重要参数、属性、方法理解

理解sklearn决策树参数：分类树与回归树

最新推荐文章于 2025-03-18 20:05:30 发布

原创

最新推荐文章于 2025-03-18 20:05:30 发布 · 4.4k 阅读

41 ·

CC 4.0 BY-SA版权

文章标签：

#决策树 #机器学习 #python

本文详细介绍了sklearn决策树的重要参数，包括分类树的criterion（推荐设为'gini'）、splitter（推荐设为'best'）、max_depth、min_samples_leaf、min_samples_split、max_features（推荐设为'log2'）和class_weight（推荐设为'balanced'），以及回归树的criterion（默认设为'mse'）。同时讨论了各参数的适用场景和调整建议。

文章目录

决策分类树
决策回归树

决策分类树

引入

from sklearn.tree import DecisionTreeClassifier
# 全部参数
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, \
                       min_impurity_decrease