2018-12-16
阅读量:
769
模块中一些重要的属性方法:
n_classes_ :决策树中的类数量。
classes_ :返回决策树中的所有种类标签。
feature_importances_ : feature 的重要性,值越大那么越重要。
fit(X, y, sample_mask=None, X_argsorted=None, check_input=True, sample_weight=None)
将数据集 x,和标签集 y 送入分类器进行训练,这里要注意一个参数是: sample_weright,它和样本
的数量一样长,所携带的是每个样本的权重。
get_params(deep=True)
得到决策树的各个参数。
set_params(**params)
调整决策树的各个参数。
predict(X)
送入样本 X,得到决策树的预测。可以同时送入多个样本。
transform(X, threshold=None)
返回 X 的较重要的一些 feature,相当于裁剪数据。
score(X, y, sample_weight=None)
返回在数据集 X,y 上的测试分数,正确率。






评论(0)


暂无数据
推荐帖子
0条评论
0条评论
0条评论