机器学习之决策树(四) (5)

使用决策树算法

# max_depth 决策树深度，一般设置的值不要超过特征数量 # max_depth 值越大，拟合度越高 tree = DecisionTreeClassifier(max_depth=1) tree.fit(train,target)

使用KNN算法

knn = KNeighborsClassifier(n_neighbors=3) knn.fit(train,target)

使用逻辑斯蒂回归算法

logistic = LogisticRegression() logistic.fit(train,target)

预测数据

results = [tree.predict(X_test),knn.predict(X_test),logistic.predict(X_test)]