9、基于树的机器学习模型

基于树的机器学习模型

在机器学习领域，基于树的模型是一类强大且广泛应用的算法。本文将深入探讨决策树分类器的类权重调整、Bagging分类器、随机森林分类器以及随机森林分类器的网格搜索等内容，并提供相应的代码示例。

1. 决策树分类器的类权重调整

在决策树分类器中，调整类权重可以改变模型的性能。我们通过以下步骤进行类权重的调整：
1. 创建一个空的DataFrame来保存各种精度 - 召回率的详细结果：

import numpy as np
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score, classification_report

dummyarray = np.empty((6,10))
dt_wttune = pd.DataFrame(dummyarray)
dt_wttune.columns = ["zero_wght","one_wght","tr_accuracy",
                     "tst_accuracy", "prec_zero","prec_one", "prec_ovll",
                     "recl_zero","recl_one","recl_ovll"]

2. 验证零类别的权重从0.01到0.5：