![見出し画像](https://assets.st-note.com/production/uploads/images/138007162/rectangle_large_type_2_56ecc87e140a39445bfd14128fc0a9d6.png?width=800)
scikit-learn機械学習⑪決定木(Decision Tree)
前回は、ナイーブ・ベイズを実装しました。今回は、決定木(Decision Tree)を解説します。
決定木は、データセットを分割し、木構造を作ります。下図は、アイリス(Iris)のデータセットを使用して訓練された決定木モデルの可視化です。scikit-learnで生成することが出来ます。
![](https://assets.st-note.com/img/1713838306427-hzv2V93wGD.png?width=800)
詳細は記事の中で解説しますが、この決定木モデルは、花の特徴(花弁とがく片の長さと幅)に基づいて、アイリスの3種類(Setosa、Versicolor、Virginica)に分類しています。よって、入力データに対して木構造にある条件をたどっていけば、花の予測が出来ます。
では、決定木は何を持ってデータセットを分割しているのでしょうか。
この記事が気に入ったらサポートをしてみませんか?