machine-learning - 如何构建决策树回归模型

Question

我正在学习 ML，并正在做一个简单的实践，如下所示:

//将 boston.data 拆分为两个集合，名称为 x_train 和 x_test。另外，将 boston.target 分成两组 y_train 和 y_test。

使用默认参数从 x_train 集构建决策树回归器模型。//

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)

当我执行上述操作时，它给出:

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？

我应该在这里用什么作为“y”？

Answer 1

正如错误所述，fit() 方法采用回归问题的 2 个参数: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)需要一组由特征组成的观察结果(X_train 的每一行可以理解为包含一个观察特征的向量)和目标结果(向量y_train中的每个元素)