Python 如何手动选择决策树的功能
我需要能够更改用于构建决策树的功能(具有机器学习的意义)。给定Iris数据集的示例,我希望能够选择separalength作为根节点中使用的特征,选择petalllength作为第一级节点中使用的特征,依此类推 我想说清楚,我的目标不是改变最小样本分割和决策树的随机状态。而是选择特征——被分类元素的特征——并将它们放在决策树的某些节点中 然后,代码应该能够找到最佳阈值(每个节点的范围),以生成最佳分割 这里有一些关于树生成的通用代码Python 如何手动选择决策树的功能,python,machine-learning,decision-tree,feature-selection,Python,Machine Learning,Decision Tree,Feature Selection,我需要能够更改用于构建决策树的功能(具有机器学习的意义)。给定Iris数据集的示例,我希望能够选择separalength作为根节点中使用的特征,选择petalllength作为第一级节点中使用的特征,依此类推 我想说清楚,我的目标不是改变最小样本分割和决策树的随机状态。而是选择特征——被分类元素的特征——并将它们放在决策树的某些节点中 然后,代码应该能够找到最佳阈值(每个节点的范围),以生成最佳分割 这里有一些关于树生成的通用代码 from sklearn.tree import Decisi
from sklearn.tree import DecisionTreeClassifier
from sklearn.datasets import load_iris
clf = DecisionTreeClassifier(random_state=0)
iris = load_iris()
clf.fit(iris.data,iris.target)
你们当中有人做过这件事吗
你们当中有人做过这件事吗
不,你可能是第一个
哈哈,但是你可以用几种方式选择它,你也可以在官方文档中找到它:
然后您正在执行:clf.fit(X,y)
其他方法如下所述:
# import some data to play with
iris = datasets.load_iris()
X = iris.data[:, :2] # we only take the first two features.
y = iris.target