2020-05-29
阅读量:
4985
sklearn实现决策树的参数min_samples_leaf和min_samples_split怎么去理解？
问：
sklearn实现决策树的参数min_samples_leaf和min_samples_split怎么去理解？
答:
min_samples_leaf限定，⼀个结点在分⽀后的每个⼦结点都必须包含⾄少min_samples_leaf个训练样
本，否则分⽀就不会发⽣，或者，分⽀会朝着满⾜每个⼦结点都包含min_samples_leaf个样本的⽅向去
发⽣。⼀般搭配max_depth使⽤，在回归树中有神奇的效果，可以让模型变得更加平滑。这个参数的数量设置
得太⼩会引起过拟合，设置得太⼤就会阻⽌模型学习数据。⼀般来说，建议从=5开始使⽤。如果叶结点
中含有的样本量变化很 ⼤，建议输⼊浮点数作为样本量的百分⽐来使⽤。同时，这个参数可以保证每个
叶⼦的最⼩尺⼨，可以在回归问题中避免低⽅差，过拟合的叶⼦结点出现。对于类别不多的分类问题，
=1通常就是最佳选择。
而min_samples_split限定，⼀个结点必须要包含⾄少min_samples_split个训练样本，这个结点才允许
被分⽀，否则分⽀就不会发⽣。
26.9627
2
4
关注作者
收藏
评论(0)
发表评论
暂无数据
推荐帖子
CDA持证人阿涛哥
2023-06-20
0条评论
CDA持证人阿涛哥
2021-03-31
0条评论
CDA持证人阿涛哥
2021-03-30
0条评论