我需要能够更改用于构建决策树的功能（具有机器学习的含义）。以Iris数据集为例，我希望能够选择Sepallength作为根节点中使用的功能，并选择Petallength作为第一级节点中使用的功能，等等。
我想清楚一点，我的目的不是更改最小样本分割和决策树的随机状态。而是选择特征-被分类元素的特征-并将它们放在决策树的某些节点中。
然后，代码应该能够找到最佳阈值（每个节点的范围）以生成最佳分割。
这里有一些有关生成树的通用代码。
from sklearn.tree import DecisionTreeClassifier
from sklearn.datasets import load_iris
clf = DecisionTreeClassifier(random_state=0)
iris = load_iris()
clf.fit(iris.data,iris.target)
你们有没有做过？
答案 0 :(得分：0)
你们有没有做过？
不，您可能是第一个！
哈哈，但您可以通过多种方式选择它，也可以在官方文档中找到它：https://scikit-learn.org/stable/auto_examples/datasets/plot_iris_dataset.html
# import some data to play with
iris = datasets.load_iris()
X = iris.data[:, :2] # we only take the first two features.
y = iris.target
然后您正在执行的操作：clf.fit(X, y)