Machine learning 如何建立决策树回归模型

我正在学习ML，正在做一个简单的握手，如下所示：

// 将boston.data拆分为两组名称x_train和x_test。此外，将boston.target分为两组y_train和y_test

从x_序列集建立一个带有默认参数的决策树回归模型。 //

我为此编写了以下代码：

from sklearn import datasets, model_selection, tree

boston = datasets.load_boston()

x_train, x_test, y_train, y_test = model_selection.train_test_split(boston.data,boston.target, random_state=30)

dt  = tree.DecisionTreeRegressor()

dt_reg = dt.fit(x_train)

当我在上面做的时候，它是给予：

TypeError: fit() missing 1 required positional argument: 'y'

我可以为一个训练数据集拟合一个模型吗

---

这里我应该给出什么“y”？

当错误状态时，

fit（）

方法对回归问题采用两个参数，即预测值和结果：

dt_reg = dt.fit(x_train, y_train)

---

监督学习模型（如您正在使用的回归树）需要一组观察值，这些观察值由特征（每行

X\u序列

可以理解为一个包含一个观察值特征的向量）和目标结果（向量

y\u序列

中的每个元素）组成，作为错误状态，

fit（）

该方法对回归问题采用两个参数，即预测值和结果：

dt_reg = dt.fit(x_train, y_train)

---

监督学习模型（如您正在使用的回归树）需要一组观察值，这些观察值由特征（每行

X\u序列

可以理解为一个包含一个观察值特征的向量）和目标结果（向量

y\u序列

中的每个元素）组成。

好的……谢谢。我正在解决的问题（HandOn）如下：“使用默认参数从x_序列集建立一个决策树回归器模型”。这意味着，我们不能在一个集合上建立回归器。这应该是x_列和y_列？是的，

x

和

y

这是同一组观察结果的一部分。好的……谢谢。我正在解决的问题（HandOn）如下：“使用默认参数从x_序列集建立一个决策树回归器模型”。这意味着，我们不能在一个集合上建立回归器。这应该是x_序列和y_序列？是的，

x

和

y

这是同一组观察值的一部分。