DecisionTreeClassifier参数

DecisionTreeClassifier是用于分类的决策树模型。以下是DecisionTreeClassifier的一些重要参数：

- criterion：用于衡量特征选择质量的度量标准，可以是"gini"(基尼不纯度)或"entropy"(信息增益)。

- splitter：决定在每个节点处选择哪个特征用于分裂的策略，可以是"best"（选择最佳分裂）或"random"（随机选择特征）。

- max_depth：决策树的最大深度。如果不指定，则树会一直生长，直到所有叶子节点都是纯的或者叶子节点中的样本数小于min_samples_split。

- min_samples_split：分裂内部节点所需的最小样本数。如果某个节点的样本数小于该值，则不会再分裂。

- min_samples_leaf：叶子节点中所需的最小样本数。如果某个叶子节点的样本数小于该值，则会与其兄弟节点合并。

- max_features：在每个节点处用于分裂的特征数量的最大数量。可以是整数、浮点数或字符串。

- random_state：控制随机性的种子值。如果指定，每次运行时都会得到相同的结果。

- class_weight：用于对不同类别进行加权，以平衡类别不平衡问题的权重。可以是"balanced"（自动平衡不同类别的权重）或一个字典（指定每个类别的权重）。

- ccp_alpha：用于在树剪枝时控制复杂度的参数。较高的值将导致更多的剪枝。