2020-10-26 阅读量: 546
问：
DecisionTreeClassifier() 的splitter参数怎么理解？
答：
splitter 是用来控制决策树中的随机选项的，有两种输入值:
1. 输入”best"，决策树在分支时会优先选择更重要的特征进行分支(重要性可以通过属
性 feature_importances_查看);
2. 输入“random"，决策树在分支时会更加随机，树会因为含有更多的不必要信息而更
深更大，并因这些不必要信息而降低对训练集的拟合。 这也是防止过拟合的一种方式。
当你预测到你的模型会过拟合，用这两个参数来帮助你降低树建成之后过拟合的可能性。
当然，树一旦建成，我们依然是使用剪枝参数来防止过拟合。
.
