sklearn学习中的小知识点

1. 将得到的训练集以表的形式展现

   pd.concat([pd.DataFrame(wine.data),pd.DataFrame(wine.target)],axis=1)

2. 查看训练集的特征名称，标签名称

   datasets.feature_names
   datasets.target_names

3. 决策树DecisionTreeClassfier的参数

• Criterion用来决定不纯度的计算方法，①entropy：信息熵  条件概率×条件概率的对数 再累加取其相反数  ②gini：基尼系数  1减去条件概率平方的累加和

• score返回预测的精确度

  clf=tree.DecisionTreeClassifier(criterion="entropy")
  clf=clf.fit(Xtrain,Ytrain)
  score=clf.score(Xtest,Ytest)