Python机器学习手册：从数据预处理到深度学习

14.2

　训练决策树回归模型

｜

239

#

使用

entropy

作为不纯度检测方法创建决策树分类器对象

decisiontree_entropy = DecisionTreeClassifier(

criterion='entropy', random_state=0)

#

训练模型

model_entropy = decisiontree_entropy.fit(features, target)

延伸阅读

y

《决策树学习》（

Princeton

大学官网，

http://bit.ly/2FqJxlj

）

14.2

　训练决策树回归模型

问题描述

训练一个基于决策树的回归模型。

解决方案

使用

scikit-learn

中的

DecisionTreeRegressor

：

#

加载库

from sklearn.tree import DecisionTreeRegressor

from sklearn import datasets

#

加载仅有两个特征的数据

boston = datasets.load_boston()

features = boston.data[:,0:2]

target = boston.target

#

创建决策树回归模型对象

decisiontree = DecisionTreeRegressor(random_state=0)

#

训练模型

model = decisiontree.fit(features, target)

讨论

决策树回归模型与决策树分类模型的工作方式类似，不过前者不会使用基尼不纯度或熵 ...