决策树预测房价实例

在2的第一行的代码中的datasets中包含一个内置的数据集，本例就用的内置的数据集，是内置数据集中的房价数据集（有一个地区的房子的价格，还有影响房价的因素）

2运行的结果，房价数据集的来源网站和简介。
本节课重点是讲库中有哪些参数以及这些参数是干什么的。

5显示，一共有20640条数据，每条数据有8条属性。
7开始讲怎么用构造决策树模型，导入tree模块，预测分类也行，预测回归也行。
代表树的深度是2
先看一下树模型的参数


第一个代表可以用gini系数，也可以用熵值。
2表示在遍历特征的时候选择 best或者random,best是遍历所有特征，random是随机遍历几个特征，一般特征不是很多的时候都是默认best.
3也是一个特征，默认都是所有的，也可以选择后面的，但一般很少改，都是选择默认的。
4是设置树的深度（一般也没有固定值，而是设置一个数组，去遍历，然后对每一个数字进行交叉验证，
最后选择最优的模型）
5是控制叶子节点分裂的情况。
4和5是最常使用的，是非常重要的。



在7的时候模型已经训练出来了，是指颜色，（第8个需要安装的东西没安好。用的时候再安一下）


13中，用对数据进行切分（切分成训练集和测试集），把X和Y传进来，测试集是10%，是为了完成一个复现，比如100个数，随机指定了前十个数字为测试集，在每一次改变参数后，保证测试集都是那前10个数字，这样才能更好的对比模型效果。
百度搜sklearn进入官网，官网里面有example和api，例子中有很多的图，可以直接改改用。

是把训练集平均分成5份，做五次交叉验证，最后一行代码分别是得分值，最好的参数，最好的得分。是分别把某节点的样本数少于3，6，9的时候进行划分（试参数的过程），要建立树的个数。
不知道这里面的参数分别是什么的时候，去查函数。