python的决策树参数

### Python 中 `DecisionTreeClassifier` 参数详解

在机器学习库 scikit-learn (sklearn) 中，`DecisionTreeClassifier` 是实现决策树分类器的一个类。该类提供了多个超参数来控制模型的行为和性能。

#### 1. criterion
用于衡量分裂质量的标准，默认为 "gini"（基尼不纯度）。另一个选项是 "entropy"，即信息增益[^1]。

from sklearn.tree import DecisionTreeClassifier
clf = DecisionTreeClassifier(criterion='entropy')

#### 2. splitter
策略选择最佳分割点的方式。“best”表示选择最优划分，“random”则是在候选节点中随机选取。

clf = DecisionTreeClassifier(splitter="random")

#### 3. max_depth
树的最大深度。如果未设置，则会一直生长直到所有叶子都是纯净的或满足其他条件。这有助于防止过拟合。

clf = DecisionTreeClassifier(max_depth=5)

#### 4. min_samples_split
内部节点再划分所需最小样本数。默认值为 2。增加此数值可以减少模型复杂度并帮助避免过拟合。

clf = DecisionTreeClassifier(min_samples_split=10)

#### 5. min_samples_leaf
叶节点所需的最小样本数量。这个参数同样用来控制过拟合的风险。对于不平衡的数据集来说尤为重要。

clf = DecisionTreeClassifier(min_samples_leaf=5)

#### 6. max_features
寻找最佳分割时考虑的最大特征数目。可以通过整数、浮点数或者字符串 ("auto", "sqrt", "log2") 来指定。当处理高维数据时特别有用，因为减少了计算量的同时也降低了维度灾难的影响。

clf = DecisionTreeClassifier(max_features="sqrt")

#### 7. random_state
控制伪随机数生成器的状态。这对于重现实验结果非常重要。通常建议固定一个种子以便于调试和比较不同配置的效果。

clf = DecisionTreeClassifier(random_state=42)

#### 8. class_weight
类别权重字典或 'balanced' 字符串。后者自动调整权重视乎每个类别的频率反比。适用于解决类别不平衡问题。

clf = DecisionTreeClassifier(class_weight="balanced")