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