sklearn学习笔记1：决策树

已于 2022-12-25 12:06:09 修改
阅读量879 收藏 5
点赞数 3
CC 4.0 BY-SA版权
分类专栏： sklearn 文章标签： 决策树 sklearn 学习
于 2022-07-20 21:48:14 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/happylls666/article/details/125899449

sklearn的基本建模流程

#导入需要的模块
from sklearn import tree           

#实例化
clf = tree.DecisionTreeClassifier() 
#用训练集数据训练模型
clf = clf.fit(x_train,y_train) 
#导入测试集，从接口中调用需要的信息     
result = clf.score(x_test,y_test)

sklearn中决策树的类都在tree这个模块下，这个模块共包含5个类

  • tree.DecisionTreeClassifier
  • tree.DecisionTreeRegressor
  • tree.export_graphviz
  • tree.ExtraTreeClassifier
  • tree.ExtraTreeRegressor

一.DecisionTreeClassifier

1.重要参数

criterion：用来决定不纯度的计算方法的，sklearn提供了两种选择

  • 输入“entropy”，使用信息熵
  • 输入“gini”，使用基尼系数
  • 比起基尼系数，信息熵对不纯度更加敏感，对不纯度的惩罚更强
  • 但在实际使用中，信息熵和基尼系数的效果基本相同

random_state & splitter

  • random_state：用来设置分枝中的随机模式的参数，默认none，在高维
最低0.47元/天 解锁文章

200万优质内容无限畅学
sklearn 笔记
m0_53675977的博客
03-31 963
a=0#归一化scaler=MinMaxScaler([5,10])#类实例化print(a)
sklearn学习笔记4：聚类算法 K-Means
happylls666的博客
07-22 1691
sklearn学习笔记：kmeans
头歌实训--机器学习（决策树）
weixin_63566653的博客
03-21 8401
【代码】头歌实训--机器学习（决策树）
sklearn 笔记
冷月无声的博客
07-26 281
scikit-learn (sklearn) 官方文档中文版 【sklearn: API Reference & .datasets】 sklearn 实现简单的KNN分类 和线性回归 from __future__ import print_function # python 3 from sklearn import datasets from...
sklearn笔记
weixin_33770878的博客
11-23 213
from sklearn.model_selection import GridSearchCV param_grid = {'C': np.arange(1e-05, 3, 0.1)} scoring = {'Accuracy': 'accuracy', 'AUC': 'roc_auc', 'Log_loss': 'neg_log_loss'} gs = GridSearchCV(...
机器学习系列笔记十二: 决策树
ChanZany的博客
07-19 646
机器学习系列笔记十一: 决策树 文章目录机器学习系列笔记十一: 决策树Intro信息熵使用信息熵寻找最优划分基尼系数使用基尼系数寻找最佳划分基尼系数与信息熵的对比CART与决策树中的超参数决策树的超参数决策树解决回归问题决策树的局限性缺点改进措施总结参考致谢 Intro 以招聘机器学习算法工程师为例子，对于一个应聘者的信息输入，决策的流程可以一个树结构来表示： 通过多级判断产生多个判断条件作为根节点，多个结果作为叶子节点，这样的过程就叫做决策树。通常我们把决策树的深度定义为获取最终结果的最大所需判断数。在
《菜菜的机器学习sklearn课堂》sklearn入门与决策树
最新发布
2401_84004024的博客
04-30 1042
4、建立模型（clf = tree.DecisionTreeClassifier(criterion=“entropy”) #建模clf = clf.fit(Xtrain, Ytrain) #训练模型score = clf.score(Xtest, Ytest) #返回预测的准确度score5、画出一棵树吧。
【学习笔记】西瓜书机器学习之第四章：决策树
For-4946的博客
01-22 1146
1.什么是决策树？ 决策树是一种常见的机器学习方法，以二分类为例，根据一系列的子决策来判断出样本是否为正例。 决策的过程是选择一个属性，来进行判断。以西瓜问题为例，假设已经训练好了一个模型。我们有一个西瓜，先看它的色泽，色泽为青绿色，然后一步一步往下走，最后得到这个西瓜是否为正例（好瓜） 2. 三种选择最优化分属性的方法 现在我们知道了决策树是如何工作的，但是该如何选择每个子决策所对应的属性呢？“纯度”将帮助我们解决这一问题，我们当然希望决策树分支节点所包含的样本尽可能属于同一类别，因此纯度越高越好。 2
sklearn机器学习库(一)sklearn中的决策树
qq_44665283的博客
08-12 4370
sklearn机器学习库(一)sklearn中的决策树
Sklearn学习笔记
weixin_44092590的博客
04-15 480
sklearn学习笔记 0、简介 ​ Scikit-learn是Python中机器学习的库，依赖于scipy，对常用的方法进行了封装。 ​ 基本功能分为6大类：分类、回归、聚类、降维、模型选择、数据预处理。 ​ sklearn本身并不支持深度学习，不支持GPU加速，不适合处理大规模问题。 ​ sklearn官方有个算法选择路径，蓝色圈代表判断条件，绿色框代表具体算法 1、主要方法——sklearn.datasets ​ sklearn自带了许多公开的数据集，可以直接调用。也可以生成随机数据（噪声）作为数据
sklearn学习笔记
weixin_42394925的博客
09-29 184
from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.feature_extraction import DictVectorizer from sklearn.feature_extraction.text import CountVecto...
sklearn学习_第一章_决策树
JabinY的博客
08-24 538
决策树 1 工作原理 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和标签的数据中总结出决策规则，并用树状图的结构来呈现这些规则，以解决分类和回归问题。 最初的问题所在的地方叫做根节点，在得到结论前的每一个问题都是中间节点，而得到的每一个结论（动物的类别）都叫做叶子节点。 备注：树干就是根节点只能向外延展，树枝是中间节点，树枝上还能长树枝所以既能从根节点接收数据也能向他延展出去的树枝输出数据。叶子是叶子节点，叶子上不能长叶子了，所以只有进没有出。 决策树算法的核心是要
【机器学习】sklearn 笔记
myaijarvis notebook
12-05 2704
学习方法 不要死啃书，看不懂就先放弃，回过头再来看 去网上找相关章节的文章，归类查看并做好笔记 不要想着了解每个函数、参数的作用，不会不了解就去查资料即可，先上手跑起来 1、机器学习算法的整体使用步骤如下： (1)从scikitlearn库中调用相应的机器学习算法模块； (2)输入相应的算法参数定义一个新的算法； (3)输入基础训练数据集利用scaler对其进行数据归一化处理 (4)对于归一化的数据集进行机器学习算法的训练fit过程； (5)输入测试数据集对其结果进行预测predict; (6)将预.
Sklearn简单学习笔记
欢迎来到小丁的技术空间
07-03 691
下面是学习了莫烦大佬 sklearn 教程的笔记，是供我自己查阅的，不是很详细，介意的勿看~ 莫烦大佬的教程链接在最后一点学习资料里面。 这是目录一、下载与安装二、选择合适的机器学习方法三、通用的学习模式四、sklearn 的 datasets 数据库五、常用属性和功能六、预处理数据七、交叉验证八、保存模型九、学习资料 一、下载与安装 使用命令：pip install -U scikit-learn 或者 conda install scikit-learn 二、选择合适的机器学习方法 三、通用的学习.
sklearn-基础笔记
weixin_33752045的博客
07-02 279
HHR 计划--- sklearn 学习 转载于:https://www.cnblogs.com/yueyebigdata/p/11123463.html
决策树学习笔记：从二分类到回归分析
在这篇笔记中，我们将深入探讨决策树这一机器学习算法。决策树是一种广泛使用的监督学习方法，能够处理各种类型的监督学习任务，包括分类（从二元到多元）和回归。它是随机森林算法的基础，而随机森林目前是被认为最...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值