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

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