鸭肫怎么做好吃DecisionTreeRegressor重要参数、接⼝、属性
刘海怎么画重要参数：
人间词话三种境界
criterion
回归树衡量分枝质量的指标，⽀持的标准有三种：
休眠和睡眠的区别>笔翰如流
1 ）输⼊ "m" 使⽤均⽅误差 mean squared error(MSE) ，⽗节点和叶⼦节点之间的均⽅误差的差额将被⽤来作为特征选择的标准，这种⽅法通过使⽤叶⼦节点的均值来最⼩化L
2 损失
2 ）输⼊ “friedman_m” 使⽤费尔德曼均⽅误差，这种指标使⽤弗⾥德曼针对潜在分枝中的问题改进后的均⽅误差
3 ）输⼊ "mae" 使⽤绝对平均误差 MAE （ mean absolute error ），这种指标使⽤叶节点的中值来最⼩化 L1 损失
属性：
最重要的是 feature_importances_
加盟代理商接⼝：
apply, fifit, predict, score 最核⼼。
甲虫进化史注：
⼏乎所有参数，属性及接⼝都和分类树⼀模⼀样。需要注意的是，在回归树中，没有标签分布是否均衡的问题，因此没有class_weight 这样的参数。
在回归树中，MSE不只是我们的分枝质量衡量指标，也是我们最常⽤的衡量回归树回归质量的指标，当我们在使⽤交叉验证，或者其他⽅式获取回归树的结果时，我们往往选择均⽅误差作 为我们的评估（在分类树中这个指标是score代表的预测准确率）。在回归中，我们追求的是，MSE越⼩越好。 然⽽，回归树的接⼝score返回的是R平⽅（R平⽅可以为正为负（如果模型的残差平⽅和远远⼤于模型的总平⽅和，模型⾮常糟糕，R平⽅就会为负），⽽均⽅误差永远为正。 ），并不是MSE。
（根据菜菜的机器学习整理）
肺泡表面活性物质
