文章目录
-
- 1 决策树模型简介
- 2 Gini系数（CART决策树）
- 3 信息熵、信息增益
- 4 决策树模型代码实现
-
- 4.1 分类决策树模型(DecisionTreeClassifier)
- 4.2 回归决策树模型(DecisionTreeRegressor)
- 加入方式
- 5 案例：员工离职预测模型
-
- 5.1 模型搭建
-
- 5.1.1 数据读取与预处理
- 5.1.2 提取特征变量和目标变量
- 5.1.3 划分训练集与测试集
- 5.1.4 模型搭建及训练
- 5.1.5 代码汇总
- 5.2 模型预测及评估
-
- 5.2.1 直接预测是否离职
- 5.2.2 预测不离职与离职的概率
- 5.2.3 模型预测效果评估（ROC曲线）
- 5.2.4 特征重要性评估
- 6 参数调优
-
- 6.1 K折交叉验证
- 6.2 GridSearch网格搜索
-
- 6.2.1 单参数调优
- 6.2.2 多参数调优
- 决策树的前剪枝和后剪枝
- 分类决策树模型DecisionTreeClassifier()的常用超参数
- 树模型在金融大数据风控领域的应用
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/75033.html