Python—-分类算法(决策树,随机森林)

1146-陶同学

发表文章数:37

首页 » 算法 » 正文

决策树:

信息熵的计算:

Python----分类算法(决策树,随机森林)

条件熵的计算:

Python----分类算法(决策树,随机森林)

API:


class 
sklearn.tree.DecisionTreeClassifier
(
criterion=’
gini


max_depth
=
None
,
random_state
=None
)

决策树分类器

criterion:
默认是

gini

系数,也可以选择信息增益的熵
’entropy’

max_depth
:
树的深度大小

random_state
:
随机数种子

method:

decision_path
:
返回决策树的路径

随机森林:

在机器学习中随机森林是一个包含多个决策树的分类器,并且其输出的类别是由个别树输出的类别的众数而定。

API:

class sklearn.ensemble.RandomForestClassifier(n_estimators=10criterion=’gini,

 max_depth=None, bootstrap=Truerandom_state=None)

随机森林分类器

n_estimatorsintegeroptionaldefault = 10) 森林里的树木数量

criteriastring,可选(default =“gini)分割特征的测量方法

max_depthintegerNone,可选(默认=无)树的最大深度

bootstrapbooleanoptionaldefault = True)是否在构建树时使用放回抽样

优点:


在当前所有算法中,具有极好的准确率

能够有效地运行在大数据集上

能够处理具有高维特征的输入样本,而且不需要降维

能够评估各个特征在分类问题上的重要性

对于缺省值问题也能够获得很好得结果

未经允许不得转载:作者:1146-陶同学, 转载或复制请以 超链接形式 并注明出处 拜师资源博客
原文地址:《Python—-分类算法(决策树,随机森林)》 发布于2020-07-14

分享到:
赞(0) 打赏

评论 抢沙发

评论前必须登录!

  注册



长按图片转发给朋友

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏

Vieu3.3主题
专业打造轻量级个人企业风格博客主题!专注于前端开发,全站响应式布局自适应模板。

登录

忘记密码 ?

您也可以使用第三方帐号快捷登录

Q Q 登 录
微 博 登 录