机器学习回归树python
时间: 2023-08-28 08:06:11 浏览: 43
回归树是一种机器学习算法,用于预测连续型变量的值。在Python中,可以使用scikit-learn库来实现回归树。
以下是一个简单的回归树示例:
```python
from sklearn.tree import DecisionTreeRegressor
import numpy as np
# 创建一个示例数据集
X = np.sort(5 * np.random.rand(80, 1), axis=0)
y = np.sin(X).ravel()
# 添加噪声
y[::5] += 3 * (0.5 - np.random.rand(16))
# 创建一个回归树模型
regr = DecisionTreeRegressor(max_depth=2)
regr.fit(X, y)
# 预测结果
X_test = np.arange(0.0, 5.0, 0.01)[:, np.newaxis]
y_test = regr.predict(X_test)
# 可视化结果
import matplotlib.pyplot as plt
plt.figure()
plt.scatter(X, y, s=20, edgecolor="black", c="darkorange", label="data")
plt.plot(X_test, y_test, color="cornflowerblue", label="max_depth=2", linewidth=2)
plt.xlabel("data")
plt.ylabel("target")
plt.title("Decision Tree Regression")
plt.legend()
plt.show()
```
该示例创建了一个带有噪声的正弦函数数据集,并使用回归树模型进行预测。max_depth参数限制了回归树的深度,以避免过拟合。最后,使用matplotlib可视化了预测结果。