首页基于Sklearn的diabetes数据集，建立回归树模型

基于Sklearn的diabetes数据集，建立回归树模型

时间: 2023-08-30 20:07:13 浏览: 105

好的，我可以为您提供基于 Sklearn 的 diabetes 数据集建立回归树模型的代码。首先，我们需要导入必要的库并加载 diabetes 数据集： ```python from sklearn.datasets import load_diabetes from sklearn.tree import DecisionTreeRegressor from sklearn.model_selection import train_test_split # 加载 diabetes 数据集 diabetes = load_diabetes() X = diabetes.data y = diabetes.target ``` 接着，我们将数据集划分为训练集和测试集： ```python # 划分数据集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) ``` 然后，我们可以定义并训练回归树模型： ```python # 定义回归树模型 regressor = DecisionTreeRegressor(random_state=42) # 训练模型 regressor.fit(X_train, y_train) ``` 最后，我们可以使用测试集进行模型评估： ```python # 模型评估 score = regressor.score(X_test, y_test) print("回归树模型的 R2 分数为: {:.2f}".format(score)) ``` 完整的代码如下： ```python from sklearn.datasets import load_diabetes from sklearn.tree import DecisionTreeRegressor from sklearn.model_selection import train_test_split # 加载 diabetes 数据集 diabetes = load_diabetes() X = diabetes.data y = diabetes.target # 划分数据集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 定义回归树模型 regressor = DecisionTreeRegressor(random_state=42) # 训练模型 regressor.fit(X_train, y_train) # 模型评估 score = regressor.score(X_test, y_test) print("回归树模型的 R2 分数为: {:.2f}".format(score)) ``` 希望这个代码能够帮到您。

阅读全文