我有一个用以下代码编写的决策树模型，请问我该如何调整参数以使模型的结果更好？我可以使用GridsearchCV之类的东西吗？训练数据大约为5000+，而测试数据大约为1000+，具有20多个功能。
clf_entropy = DecisionTreeClassifier（条件=“熵”，random_state = 100，max_depth = 8，min_samples_leaf = 28）
clf_entropy.fit（X_train，Y_train）
Y_pred_en = clf_entropy.predict（X_test）
print（“ Acurracy is”，precision_score（Y_test，Y_pred_en）* 100）
答案 0 :(得分：-1)
看起来您应该使用BaggingClassifier或RandomForestClassifier之类的不同算法，而不是在DecisionTreeClassifier中寻找随机树模型参数。 Google声明模型的Google