就是我现在做出行时段预测，一天24小时，每隔3小时分为8组，这些是分类标签。然后数据X的话，有出行方式，性别，年龄等等。例如出行方式里面又分为6组，火车，高铁等等。最后我的模型，对测试集精度很低。然后我先剪枝，但减去几列后，依然很低，精度只有0.2左右。我现在开始觉得是不是我每列分类太多的原因，但又觉得决策树算法应该有能力处理比较复杂的分类问题，很困扰。
微信扫一扫4条回答 默认 最新
相关推荐 更多相似问题
- 2022-03-25 09:23回答 3 已采纳 在最后加这两行试试 import os os.system('iris.pdf')
- 2021-05-05 22:49回答 3 已采纳 可能与数据集或数据选取有关，可先尝试用try...except...排错进行调试运行： try: tree = decisionTree[feature_label][testDa
- 2022-05-16 19:56回答 1 已采纳 应该是你的IDE设置问题吧？我不会用IDE，建议你点击下图红圈处的按钮试试。
- 2020-09-20 23:19主要为大家详细介绍了python编写分类决策树的代码，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
- 2020-09-20 22:53主要为大家详细介绍了Python决策树分类算法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
- 没有解决我的问题, 去提问
