当我在skelarn中使用GridSearchCV调整决策树时,我有一个问题。当我决定max_depth
的范围时,我认为要求max_depth
是不同的情况。因为,样本的数量或功能影响决定max_depth
。那么,是否有合适的标准来决定max_depth
的范围,还是只由直觉决定?在sklearn中决定DecisionTreeClassifier的max_depth
-2
A
回答
0
您可以尝试更改每个案例的max_depth并记录性能。
这可能会帮助您获得性能。
http://scikit-learn.org/stable/modules/generated/sklearn.metrics.log_loss.html
你可以决定测试一个最大深度。 但是,如果您想从树中调整max_depth,您可以尝试使用足够的数据来训练另一个学习算法以找出它。 (或简单地用线性回归)
0
通常the recommendation
是从max_depth=3
开始,然后从那里开始工作,其中Decision Tree (DT)
文档覆盖更深入。
具体使用Ensemble Methods
如RandomForestClassifier
或DT Regression
也是决定max_depth
是否被设置为高和/或过拟合有帮助的。
相关问题
- 1. 为什么决策树结构只是sklearn DecisionTreeClassifier的二叉树?
- 2. 如何调整Sklearn的RandomForest? MAX_DEPTH Vs的min_samples_leaf
- 3. sklearn的DecisionTreeClassifier中的“splitter”属性是做什么的?
- 4. sklearn DecisionTreeClassifier使用字符串应该考虑的范畴
- 5. 当我使用sklearn-decisiontreeclassifier时如何处理“无”?
- 6. Sklearn:如何使用DecisionTreeClassifier来平衡分类?
- 7. 与sklearn决策树图
- 8. GridSearchCV上DecisionTreeClassifier
- 9. 在sklearn中有一种方法可以测试预测的置信度,使我成为DecisionTreeClassifier模型吗?
- 10. 找出为什么scikit-learn DecisionTreeClassifier决定从结果决策树中排除一个特征?
- 11. SKLearn决策树分类深度/订购
- 12. 决策树sklearn:预测准确率100%
- 13. 决策树与SKlearn和可视化
- 14. 如何找出python中sklearn决策树的大小?
- 15. ML DecisionTreeClassifier - 连续功能
- 16. 在sklearn中序列化Labelencoder
- 17. TSNE在sklearn python
- 18. 预测在sklearn
- 19. 在scikit中调用DecisionTreeClassifier的错误消息学习
- 20. 安装自定义sklearn
- 21. sklearn
- 22. 在sklearn中使用自定义类的管道
- 23. 如何在Sklearn中使用自定义的距离公制
- 24. scikit-learn:迭代DecisionTreeClassifier的节点
- 25. 为DecisionTreeClassifier传递参数时出错
- 26. 的Python sklearn GaussianNB “的MemoryError”,但如何解决
- 27. sklearn中的分层分类
- 28. 在sklearn中使用决策树桩装箱:如何查看结果?
- 29. 解决PyDev未解析的导入关于numpy&sklearn
- 30. 如何将JSON数据定义为X和Y sklearn决策树阵列