python决策树预测模型_带决策树回归模型的负交叉值得分

决策树回归模型的负交叉值得分可以通过交叉验证来计算。以下是一个使用带有决策树回归模型的交叉验证的示例代码：

from sklearn.tree import DecisionTreeRegressor
from sklearn.model_selection import cross_val_score
from sklearn.datasets import load_boston

# 加载波士顿房价数据集
boston = load_boston()

# 构建决策树回归模型
regressor = DecisionTreeRegressor(random_state=0)

# 使用交叉验证计算负交叉值得分
scores = cross_val_score(regressor, boston.data, boston.target, cv=10, scoring='neg_mean_squared_error')

print('负交叉值得分：', scores.mean())

在上述代码中，我们使用了 `DecisionTreeRegressor` 类来构建决策树回归模型，并使用 `cross_val_score` 函数来进行交叉验证。其中，`cv` 参数指定了交叉验证的折数，`scoring` 参数指定了评估指标，这里使用了均方误差（MSE）作为评估指标，因此得到的是负的均方误差得分。

运行上述代码后，即可得到带有决策树回归模型的负交叉值得分。