如何构建决策树回归模型答案

【问题标题】：How to Build a Decision tree Regressor model如何构建决策树回归模型
【发布时间】：2019-10-02 15:28:01
【问题描述】：

我正在学习 ML，并且正在做一个简单的动手操作，如下所示：

// 将 boston.data 拆分为两组名称 x_train 和 x_test。另外，将 boston.target 拆分为两组 y_train 和 y_test。

使用默认参数从 x_train 集构建决策树回归模型。 //

我为此做了以下代码：

from sklearn import datasets, model_selection, tree

boston = datasets.load_boston()

x_train, x_test, y_train, y_test = model_selection.train_test_split(boston.data,boston.target, random_state=30)

dt  = tree.DecisionTreeRegressor()

dt_reg = dt.fit(x_train)

当我在上面做时，它正在给予：

TypeError: fit() missing 1 required positional argument: 'y'

我可以为一个训练数据集拟合一个模型吗？

我应该在这里给出什么作为'y'？

【问题讨论】：

标签： machine-learning scikit-learn decision-tree

【解决方案1】：

如错误所示，fit() 方法为回归问题采用 2 个参数，即预测变量和结果：

dt_reg = dt.fit(x_train, y_train)

监督学习模型，例如您正在使用的回归树，需要一组由特征（X_train 的每一行可以理解为包含一个观察的特征的向量）和目标结果（每个元素在向量y_train)

【讨论】：

好的...谢谢。我正在解决的问题（HandOn）如下：“使用默认参数从 x_train 集合构建决策树回归模型。”，意味着我们不能在一个集合上制作回归模型。这应该是 x_train 和 y_train？
是的，X 和 y 是同一组观察结果的一部分。