Python中的基本决策树

我不明白为什么我的算法不分离样本“1”（蓝色），就好像算法忽略了它们一样。我不知道

decisiontreeclasiffer

的更新。如果我没有添加任何参数，算法如下所示。我有3个标签，即3种类型的样本（

Import

在代码中缺失）

---

修改后的答案：

您只是忘记了使用缩放特征训练模型

X\u train\u std

。因此，与其

tree.fit(X_train, y_train)

应该是

tree.fit(X_train_std, y_train)

现在，该模型能够区分所有三类：

---

该算法可以识别3个标签，只是忘记在

树中写入
X\u train\u std
。fit（X\u train，y\u train）

哈哈。无论如何谢谢你的帮助：）@Cristobal我刚刚意识到，如果不更改为

X\u train\u std

，我使用其他功能的原始答案将无法工作。。。当我测试它时，它只给出了所需的输出，因为我实际上也发现了这个问题并对其进行了更改。。。但不知怎么的，我完全忘记了。。。对不起，我把事情搞混了。让我更新答案以包含正确的解决方案。。。啊，太尴尬了。。。

tree.fit(X_train_std, y_train)