热线电话:13121318867

登录
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。

0.0000
0
关注作者
收藏
评论(0)

发表评论

暂无数据
推荐帖子