ML之DT：基于简单回归问题训练决策树(DIY数据集+三种深度的二元DT性能比较)

ML之DT：基于简单回归问题训练决策树(DIY数据集+三种深度的二元DT性能比较)

目录

输出结果

设计思路

核心代码

输出结果

设计思路

核心代码

  

   

    

     

    
    

     

      for i in range(1, len(xPlot)):
     
    
   

    

     

    
    

     

       lhList = list(xPlot[0:i])
     
    
   

    

     

    
    

     

       rhList = list(xPlot[i:len(xPlot)])
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

       lhAvg = sum(lhList) / len(lhList)
     
    
   

    

     

    
    

     

       rhAvg = sum(rhList) / len(rhList)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

       lhSse = sum([(s - lhAvg) * (s - lhAvg) for s in lhList])
     
    
   

    

     

    
    

     

       rhSse = sum([(s - rhAvg) * (s - rhAvg) for s in rhList])
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

       sse.append(lhSse + rhSse)
     
    
   

    

     

    
    

     

       xMin.append(max(lhList))
     
    
  
 

文章来源: yunyaniu.blog.csdn.net，作者：一个处女座的程序猿，版权归原作者所有，如需转载，请联系作者。

原文链接：yunyaniu.blog.csdn.net/article/details/85931868