邹博机器学习课程.zip

class DecisionTreeClassifier( criterion="gini", splitter="best", max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0., max_features=None, random_state=None, max_leaf_nodes=None, min_impurity_decrease=0., min_impurity_split=None, class_weight=None, presort=False) 参数： 1 criterion:一个字符串，指定切分质量的评价准则。默认为‘mse’，且只支持该字符串，表示均方误差 1-1 'gini'：表示切分时评价准则是Gini系数。 1-2 'entropy':表示切分时评价准则是熵。 2 splitter:一个字符串，指定切分原则，可以分为如下。 2-1‘best’:表示选择最优的切分。 2-2 ‘random’:表示随机切分。 3 max_features:可以为整数、浮点、字符串或者None，指定寻找best split时考虑的特征数量 3-1 如果是整数，则每次切分只考虑max_features个特征 3-2 如果是浮点数，则每次切分只考虑max_features * n_features个特征（max_features指定了百分比）。 3-3 如果是字符串‘auto’或者‘sqrt’，则max_features等于n_features。 3-4 如果是字符串‘log2’，则max_features等于log2(n_features). 3-5 如果是None，则max_feature等于n_features。 注：如果已经考虑了max_feature个特征，但是还没有找到一个有效的切分，那么还会继续寻找下一个特征，直到找到一个有效的切分为止。 4 max_depth:可以为整数或者None，指定树的最大深度 4-1 如果为None，则表示树的深度不限（直到每个叶子都是纯的，即叶节点中所有样本点都属于一个类，或者叶子中包含小于min_sampes_split个样本点） 4-2 如果max_leaf_nodes参数非None，则忽略此选项。 5 min_samples_split:为整数，指定每个内部节点（非叶节点）包含的最少的样本数 6 min_sample_leaf: 为整数，指定每个叶节点包含的最少的样本数 7 min_weight_fraction_leaf:为浮点数，叶节点中样本的最小权重系数。 8 random_state:一个整数或者一个RandomState实例，或者None。 8-1 如果为整数，则它指定了随机数生成器的种子 8-2 如果为RandomState实例，则指定了随机数生成器 8-3 如果为None，则使用默认的随机数生成器 9 presort:一个布尔值，指定是否要提前排序数据从而加速寻找最优切分的过程。设为True时，对于大数据集会减慢总体的训练过程；但是对于一个小数据集 或者设定了最大深度的情况下，则会加速训练过程。 ====================================================== 属性有如下7个： 1 feature_importances_:给出了特征的重要程度。该值越高，则该特征越重要（也称为Gini importance） 2 max_features_:max_features的推断值。 3 n_features_:当执行fit之后，特征的数量 4 n_outputs:当执行fit之后，输出的数量。 5 tree_:一个Tree对象，即底层的决策树。 6 classes_:分类的标签值 7 n_classes_:给出了分类的数量 ====================================================== 方法有以下5种： 1 fit(X, Y[, sample_weight, check_input, ...]):训练模型。 2 predict(X[, check_input]):用模型进行预测，返回模型预测值。 3 score(X, y[, sample_weight]):返回预测性能得分。 3-1 score不超过1，但是可能为负值（预测效果太差）。 3-2 score越大，预测性能越好。 4 predict_log_proba(X): 返回一个数组，数组的元素依次是X预测为各个类别的概率的对数值 5 predict_proba(X):返回一个数组，数组的元素依次是X预测为各个类别的概率值。