python - scikit-learn的DecisionTreeRegressor中每个节点的MSE是如何计算的?
问题描述
我正在尝试手动计算这个计算。但我不明白如何分割回归树的所有步骤。
我的目标是药效,我的特点是剂量。它产生的树在下面。如何手动计算 mse 以获得与 sklearn 相同的结果?
data = {"doseage": [10,20,35,5,15], "drug_effective": [98,0,6,44,88]}
df = pd.DataFrame(data=data)
target = df["drug_effective"]
features = df.drop(columns=['drug_effective', "age"])
tree = DecisionTreeRegressor()
tree.fit(features,target)
plot_tree(tree)
解决方案
推荐阅读
- python - 在进入第一个函数之前,Python HDBScan 类总是在第二次迭代中失败
- r - 在 R 中绘制具有特定参数的正态分布
- javascript - WebRTC 视频流已接收但未播放
- javascript - 当我将我的预设配置为 commonjs 时,为什么我的 webpack babel 设置会发出 ESM 要求?
- nifti - 如何更改 NifTI 图像中的平面?
- python-hypothesis - 生成多个 kwargs 的假设策略
- typescript - Typescript 类型细化未知对象和检索元素
- swiftui - SwiftUI ScrollView 滚动到顶部
- javascript - 让 fs.readme 与 async await 和 promisify 一起工作
- python - 第一次递归后快速排序出错了?