如何解决如何在回归树中计算特征重要性?
在使用决策树算法或随机森林进行分类的情况下,我们使用基尼杂质或信息增益作为度量来决定首先选择哪个功能来拆分父/中间节点,但是如果我们使用决策树或随机森林进行回归,则如何计算特征重要性或选择特征?
解决方法
对于回归(特征选择),分割的目的是获得目标值中方差最小的两个子代。 您可以从sklearn库中的regression与classification中检查'criterion'参数,以获得更好的主意。
您还可以观看以下视频:https://www.youtube.com/watch?v=nSaOuPCNvlk
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。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, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。