Python机器学习手册：从数据预处理到深度学习

问题描述

训练一个基于决策树的回归模型。

解决方案

使用scikit-learn中的DecisionTreeRegressor：

讨论

决策树回归模型与决策树分类模型的工作方式类似，不过前者不会使用基尼不纯度或熵的概念，而是默认使用均方误差（MSE）的减少量来作为分裂规则的评估标准：

其中，y_i是样本的真实值，ŷ_i是样本的预测值。在scikit-learn中，决策树回归模型可以用DecisionTreeRegressor构建。模型训练完以后可以用它对样本的值进行预测：

同决策树分类器DecisionTreeClassifier一样，用参数criterion可以选择分裂质量（split quality）的度量方式。例如，可以用平均绝对误差（MAE）的减少量作为分裂标准来构造决策树模型：

延伸阅读

● scikit-learn文档：决策树回归（http://bit.ly/2GR63AZ）