init() got an unexpected keyword argument 'min_impurity_split' 如何解决这个报错

这个报错通常是因为你在使用决策树模型时传入了一个不存在的参数 min_impurity_split。

这是因为在 Scikit-learn 0.23 版本中，决策树模型中的 min_impurity_split 参数已经被移除了。相应的，这个参数被替换成了 min_impurity_decrease，可以用来控制决策树分裂的阈值。你需要将代码中的 min_impurity_split 参数替换成 min_impurity_decrease。

如果你使用的是旧版本的 Scikit-learn，你可以将 Scikit-learn 升级到最新版本来解决这个问题。如果你不能升级 Scikit-learn，你可以将代码中的 min_impurity_split 参数移除，或者使用一个兼容旧版本的参数名 min_impurity。

相关问题

__init__() got an unexpected keyword argument 'min_impurity_split

__init__() got an unexpected keyword argument 'min_impurity_split"是一个经常遇到的错误信息，它通常出现在使用Scikit-learn库建立决策树、随机森林等模型时。它的产生是因为Scikit-learn库在版本更新后取消了min_impurity_split这个参数。该参数是用于设置节点停止分裂的阈值，如果纯度（impurity）小于该值，则终止分裂。在Scikit-learn库0.23及以后的版本中，min_impurity_split被替换为min_impurity_decrease，该参数的作用与min_impurity_split大致相同，但它计算方式略有不同。

如果我们要使用min_impurity_split参数建立模型，可以考虑降低Scikit-learn库的版本，或者自行修改相关代码。但为了代码的可维护性和可扩展性，建议使用min_impurity_decrease代替min_impurity_split参数。在使用Scikit-learn库建立模型时，我们应该多留意相关参数是否有更新或变化，及时掌握新版本对旧版本的兼容性，避免出现不必要的错误。同时，我们也应该积极参与相关开源库的维护和贡献代码，为开源社区出一份力。

TypeError: DecisionTreeClassifier.__init__() got an unexpected keyword argument 'min_impurity_split'

TypeError: `DecisionTreeClassifier.__init__()`函数接收到一个未预期的关键字参数'min_impurity_split'，这通常发生在尝试初始化scikit-learn库中的决策树分类器（DecisionTreeClassifier），但是你在传入参数时可能使用了一个新版本的参数名称，该名称在当前使用的sklearn版本中已经过时或不再支持。

`min_impurity_split`是一个以前的参数名，它已经被`min_impurity_decrease`所替代。可能是你试图设置最小的纯度减少值，但在新版本中应该使用新的参数名。解决这个问题的方法是检查你的代码，将`min_impurity_split`替换为`min_impurity_decrease`，并确保参数值是对的。

如果你正在使用的是旧版的`min_impurity_split`并且不想更新代码，你可以通过指定允许的最低版本来避免这个错误，例如：

from sklearn import __version__
if LooseVersion(__version__) >= LooseVersion('0.24'):
    # 使用新版参数名
    model = DecisionTreeClassifier(min_impurity_decrease=value)
else:
    # 使用旧版参数名，假设这是在0.24及更早版本中可用
    model = DecisionTreeClassifier(min_impurity_split=value)