#决策树 鸢尾花类别
import sklearn.datasets as dSets
import pandas as pd;
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
import sklearn.tree as sklTree
获取数据
iris = dSets.load_iris();
#print(iris);
data = iris.data;
target = iris.target;
print(“data”,data); #属性值
print(“target”,target); #结果
输出


划分测试集和训练集和
#画分测试机和训练集 训练测试7:3
x_train,x_test,y_train,y_test = train_test_split(data,target,test_size=0.3,random_state=1);
决策树参数说明
1.criterion:string, optional (default=“mse”)
它指定了切分质量的评价准则。默认为’mse’(mean squared error)。
2.splitter:string, optional (default=“best”)
它指定了在每个节点切分的策略。有两种切

本文通过鸢尾花数据集介绍Python决策树的实现,详细讲解了决策树的相关参数,如criterion、splitter、max_depth等,并提供了训练测试集划分的示例。还分享了Python学习资源和项目实战经验。
最低0.47元/天 解锁文章
4341

被折叠的 条评论
为什么被折叠?



