Python AI教程之十一：监督学习之决策树（2）使用 sklearn 进行决策树回归

 Python | 使用 sklearn 进行决策树回归

决策树是一种决策工具，它使用类似流程图的树结构，或者说是决策及其所有可能结果（包括结果、投入成本和效用）的模型。
决策树算法属于监督学习算法类别。它适用于连续和分类输出变量。

分支/边表示节点的结果，并且节点具有以下任一特征： 

1. 条件[决策节点]
2. 结果 [结束节点]

分支/边表示语句的真实性/虚假性，并根据以下示例中的说明做出决策，该示例显示了一个评估三个数字中最小值的决策树：  

决策树回归： 
决策树回归观察对象的特征，并在树结构中训练模型，以预测未来的数据，从而产生有意义的连续输出。连续输出意味着输出/结果不是离散的，即它不是仅由一组离散的已知数字或值表示的。

离散输出示例：预测某一天是否会下雨的天气预测模型。 
连续输出示例：说明销售产品可能产生的利润的利润预测模型。
在这里，借助决策树回归模型预测连续值。

让我们看看逐步实施 – 

• 步骤1：导入所需的库。 

• Python3

• 第 2 步：初始化并打印数据集。

• Python3