python递归构建决策树出现Keyerror:'root'问题

errasua 2020-10-18 08:13:22

有没有大佬能帮我看看呀

...全文

361 4 打赏收藏转发到动态举报

写回复

4 条回复

切换为时间正序

请发表友善的回复…

发表回复

秋千Swing0_0 2020-10-19

打赏
举报

回复

引用 2 楼 qq_29754391的回复:

是的呀，就是在递归的时候出现问题了

答应一下 bestlabel 和 value

errasua 2020-10-19

打赏
举报

回复

引用 1 楼 Swing0_0的回复:

key必须是不可变类型，你的bestlabel、value是不是在递归的时候出了问题呢建议答应一遍

在递归的时候莫名其妙就跳出来了

errasua 2020-10-19

打赏
举报

回复

是的呀，就是在递归的时候出现问题了

秋千Swing0_0 2020-10-19

打赏
举报

回复

key必须是不可变类型，你的bestlabel、value是不是在递归的时候出了问题呢建议答应一遍

决策树模型呈树形结构，可以认为是if-then的集合（互斥并且完备：即每一个实例都被一条路径或一条规则所覆盖，而且，只被一条路径或一条规则所覆盖。）或者定义在特征空间与类空间上的条件概率分布

决策树分类（附一键生成可视化python代码实现） 决策树 决策树是用于分类任务的树结构，它的叶子结点为类别，其余节点为判断操作。 决策树类似于日常中判断分类的方法。对某个样本进行分类时：从根节点开始得到所处节点的判断结果移动到满足结果的子节点上当移动到叶子结点上时，返回类别，否则转第2步研究决策树，重点在于如何构建决策树。构建 决策树学习基本算法：输入: 训练集 D={(X1,y1),(X2,y2),...,(Xm,ym)} 属性集 A={a1,a2,.

1. 什么是决策树 决策树（decision tree）是一种基本的分类与回归方法。决策树的生成算法主要有ID3，C4.5，CART等。决策树是一种树形结构，其中每个内部节点表示一个属性上的判断，每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类结果。这里通过一个简单的例子说明决策树的构成思路：给出如下的一组数据，一共有十五个样本，每个样本有年龄，有工作，有自己的房子，信贷情况四个属性，最后判断是否给申请人批准贷款。然后利用这一组附带分类结果的样本可以训练出多种多样的决策树，这里为了简化过程

本文数据参照机器学习-周志华一书中的决策树一章。可作为此章课后习题4的答案代码则参照《机器学习实战》一书的内容，并做了一些修改。 CART决策树使用基尼指数（Gini Index）来选择划分属性。其公式如下：本文内容包括未剪枝CART决策树、预剪枝CART决策树以及后剪枝决策树 本文使用的Python库包括 numpypandasmath

选自Machine Learning Mastery作者：Jason Brownlee机器之心编译参与：沈泽江、吴攀决策树算法是一个强大的预测方法，它非常流行。因为它们的模型能够让新手轻而易举地理解得和专家一样好，所以它们比较流行。同时，最终生成的决策树能够解释做出特定预测的确切原因，这使它们在实际运用中倍受亲睐。同时，决策树算法也为更高级的集成模型（如 bagging、随机森林及 gradien...

37,743

社区成员

34,212

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

试试用AI创作助手写篇文章吧

+ 用AI写文章