知识卡片
树的选择标准可以替换
通过 sklearn.tree 中的 DecisionTreeClassifier 训练分类树,criterion 可指定 gini 或 entropy。用验证结果比较分裂判据时,应固定切分,记录深度和叶节点约束。训练分数达到 1 只说明与训练记录吻合。
[[基尼度量类别混杂]]。树估计器将纯度判据作为可选接口参数。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 7.3 在Python中使用决策树分类算法 · 查看原书依据
:经典的决策树分类算法,其中有一个名为“criterion”的参数,给这个参数传入字符串“gini”,将使用基尼指数;传入字符串“entropy”,则使用信息增益。默认使用的是基尼指数。余下3个决策树算法都有这个参数。
参考来源
- 位置:《机器学习算法的数学解析与Python实现》7.3 在Python中使用决策树分类算法(来源项目 book-source,`extracted/机器学习算法的数学解析与Python实现/_epub-src/OEBPS/text00079.html`)
- 结论依据:本节说明分类树的 criterion 取值并用鸢尾花演示接口。
- 原始内容::经典的决策树分类算法,其中有一个名为“criterion”的参数,给这个参数传入字符串“gini”,将使用基尼指数;传入字符串“entropy”,则使用信息增益。默认使用的是基尼指数。余下3个决策树算法都有这个参数。