如何建立决策树回归模型

Question

我正在学习ML，并且正在做一个简单的动手，如下所示：

// 将boston.data分成两组，分别为x_train和x_test。另外，将boston.target分成两组y_train和y_test。

使用默认参数从x_train集合构建决策树回归模型。 //

我为此做了以下代码：

from sklearn import datasets, model_selection, tree

boston = datasets.load_boston()

x_train, x_test, y_train, y_test = model_selection.train_test_split(boston.data,boston.target, random_state=30)

dt  = tree.DecisionTreeRegressor()

dt_reg = dt.fit(x_train)

当我在上面做的时候，它会给出：

TypeError: fit() missing 1 required positional argument: 'y'

我可以为一个训练数据集拟合模型吗？

在这里我应该给什么作为“ y”？

Answer 1

由于错误状态，fit()方法针对回归问题采用了两个参数，即预测变量和结果：

dt_reg = dt.fit(x_train, y_train)

有监督的学习模型，例如您正在使用的回归树，需要一组由特征组成的观测值（X_train的每一行都可以理解为包含一个观测值特征的向量）和目标结果（每个元素）在向量y_train中）