机器学习 · 函数

创建决策树回归器

创建决策树回归器。

调用签名(最大深度: 'int' = None, **选项)

创ZHONGWEN
PYTHON

Chinese example

中文代码示例

# 完整案例：按字段调用 创建决策树回归器
设 结果 = 机器学习.创建决策树回归器(
    最大深度=None,  # 可选；整数类型的 最大深度 参数,按函数业务含义传入对...
    **[1, 2, 3, 4],  # 可选；额外关键字参数，用字典形式展开传入
)
打印(结果)

可直接放进 .cs / .中py 文件运行。转换器会把中文代码交给真实 Python 解释器。

Parameters

参数说明

2 个参数

参数类型 / 传入方式说明

最大深度可选 · 默认 None

int位置参数或字段名=值

整数类型的最大深度参数,按函数业务含义传入对应数值。

常见错误：传非整数会报 TypeError;按整数类型传值

选项可选 · 默认不传则为空

未声明可变关键字参数，用 **字典展开

额外关键字参数，用字典形式展开传入。

常见错误：类型不匹配会报 TypeError;按字段类型列传值,首次使用建议先打印(结果) 确认结构

Playbook

基础用法 · 进阶组合 · 错误排查

# 完整案例：按字段调用 创建决策树回归器
设 结果 = 机器学习.创建决策树回归器(
    最大深度=None,  # 可选；整数类型的 最大深度 参数,按函数业务含义传入对...
    **[1, 2, 3, 4],  # 可选；额外关键字参数，用字典形式展开传入
)
打印(结果)

# 进阶组合:创建决策树回归器 配合 机器学习 业务流使用
设 模型 = 机器学习.训练线性回归([[1], [2], [3]], [2, 4, 6])
设 结果 = 机器学习.创建决策树回归器(
    最大深度=None,  # 可选
    **[1, 2, 3, 4],  # 选项
)
设 结果 = 机器学习.预测(模型, [[4]])
打印(结果)

# 错误排查:类型不匹配
# 错误:传错类型
# 设 结果 = 机器学习.创建决策树回归器(最大深度=None)  # TypeError
# 修复:按字段类型 int 传值
设 结果 = 机器学习.创建决策树回归器(最大深度=None)
打印(结果)