掌握sklearn中的决策树模型（DecisionTreeClassifier）

文章结构概览

• • • 概述
      • 决策树算法的关键在于处理两个核心议题
      • sklearn库中所包含的决策树模型
      • 构建模型的基础步骤
      • 具有重要意义的参数设置
      • 与剪枝相关的参数配置
      • 与目标权重相关的参数设定
      • 参数优化方法——网格搜索

概述

作为一种非参数的有监督学习 途径，决策树能够基于包含特征与标签的数据集提炼出相应的决策规则，并以树状结构清晰展示这些规则，从而有效应对分类与回归两类问题。

决策树算法的核心是解决两个问题

• 如何从数据表中识别出最优节点与最优分支
  • 如何控制决策树的生长过程，避免出现过拟合现象

sklearn决策树实现与应用

所有与决策树相关的功能均归属于sklearn.tree模块，在sklearn库中进行调用和使用。