代码收藏家技术教程 2025-01-31

Python AI教程之十一：监督学习之决策树（2）使用 sklearn 进行决策树回归

Python | 使用 sklearn 进行决策树回归

决策树是一种决策工具，它使用类似流程图的树结构，或者说是决策及其所有可能结果（包括结果、投入成本和效用）的模型。
决策树算法属于监督学习算法类别。它适用于连续和分类输出变量。

分支/边表示节点的结果，并且节点具有以下任一特征：

分支/边表示语句的真实性/虚假性，并根据以下示例中的说明做出决策，该示例显示了一个评估三个数字中最小值的决策树：

决策树回归：
决策树回归观察对象的特征，并在树结构中训练模型，以预测未来的数据，从而产生有意义的连续输出。连续输出意味着输出/结果不是离散的，即它不是仅由一组离散的已知数字或值表示的。

离散输出示例：预测某一天是否会下雨的天气预测模型。
连续输出示例：说明销售产品可能产生的利润的利润预测模型。
在这里，借助决策树回归模型预测连续值。

让我们看看逐步实施 –

Python3

# import numpy package for arrays and stuff

import numpy as np

# import matplotlib.pyplot for plotting our result

import matplotlib.pyplot as plt

# import pandas for importing csv files

import pandas as pd

Python3

# import dataset

# dataset = pd.read_csv(‘Data.csv’)

# alternatively open up .csv file to read data

作者：潜洋

分享到：