原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
分析流程
数据源：
测试数据(1).xlsx
算法配置：
算法：决策树回归
分析结果：
决策树回归基于MSE、RMSE、MAE、MAPE、R2指标对模型进行评价，请看详细结论。
分析步骤
1.通过训练集数据来建立决策数回归模型，得到决策树结构。
2.通过建立的决策树来计算特征重要性。
3.将建立的决策树回归模型应用到训练、测试数据，得到模型评估结果。
4.由于决策树具有随机性，每次运算的结果不一样，若保存本次训练模型，后续可以直接上传数据代入到本次训练模型进行计算预测。
5.注：决策树无法像传统模型一样得到确定的方程，通常通过测试数据预测精度来对模型进行评价。
详细结论
输出结果1：模型参数
参数名
参数值
训练用时
0.142s
数据切分
0.7
数据洗牌
是
交叉验证
10
节点分裂评价准则
friedman_mse
特征划分点选择标准
best
划分时考虑的最大特征比例
None
内部节点分裂的最小样本数
2
叶子节点的最小样本数
1
叶子节点中样本的最小权重
0
树的最大深度
10
叶子节点的最大数量
50
节点划分不纯度的阈值
0
图表说明：
上表展示了模型各项参数配置以及模型训练时长。
输出结果2：决策树结构
图表说明：
上图展示了决策树结构，内部节点给出了被分枝特征的具体切分情况，即根据某个特征的某个切分值进行划分。
（若节点数大于30，点击下载按钮查看决策树结构）
●mse/friedman_mse/mae等用以确定对哪一个特征进行切分。
●样本数量是该节点拥有的样本数量。
●节点样本均值是该节点全部样本的均值。
PS：特别注意的是，若节点数大于30，系统提供下载按钮查看决策树结构；若节点数大于2000，由于树结构渲染模糊，系统不提供下载导出。
输出结果3：特征重要性
图表说明：
上柱形图或表格展示了各特征（自变量）的重要性比例。
输出结果4：模型评估结果
MSE
RMSE
MAE
MAPE
R2
训练集
0.002
0.042
0.034
6.689
0.309
交叉验证集
0.002
0.048
0.038
7.643
0.085
测试集
0.002
0.049
0.039
7.797
0.055
图表说明：
上表中展示了交叉验证集、训练集和测试集的预测评价指标，通过量化指标来衡量决策树的预测效果。其中，通过交叉验证集的评价指标可以不断调整超参数，以得到可靠稳定的模型。
●MSE（均方误差）：预测值与实际值之差平方的期望值。取值越小，模型准确度越高。
●RMSE（均方根误差）：为MSE的平方根，取值越小，模型准确度越高。
●MAE（平均绝对误差）：绝对误差的平均值，能反映预测值误差的实际情况。取值越小，模型准确度越高。
●MAPE（平均绝对百分比误差）：是MAE的变形，它是一个百分比值。取值越小，模型准确度越高。
●R2：将预测值跟只使用均值的情况下相比，结果越靠近1模型准确度越高。
输出结果5：预测结果
预测测试集结果Y
洪水概率
滑坡
季风强度
地形排水
河流管理
森林砍伐
城市化
气候变化
大坝质量
淤积
农业实践
侵蚀
无效防灾
排水系统
0.5058857142857144
0.47
4
1
2
4
4
7
5
5
5
3
4
9
6
0.5293072289156627
0.59
6
6
7
7
5
8
4
5
3
2
10
6
5
0.4940322580645162
0.51
3
6
5
6
5
5
4
3
2
6
8
4
8
0.5050000000000002
0.52
6
4
9
4
5
5
5
3
5
6
7
5
2
0.48851449275362324
0.51
3
8
4
5
3
7
5
3
5
6
4
3
5
0.5230357142857143
0.5
4
9
8
4
4
9
3
8
5
2
4
2
3
0.474558823529412
0.42
8
4
4
3
3
1
1
6
4
8
6
5
3
0.5260526315789472
0.5
2
3
2
4
5
8
3
4
4
7
5
8
6
0.5415116279069768
0.455
6
8
4
6
1
4
3
6
3
6
3
8
2
0.5293072289156627
0.585
5
4
9
5
6
6
4
6
6
6
7
7
3
0.5173469387755101
0.5
4
2
7
4
5
4
8
6
5
3
6
5
5
0.4904251012145749
0.545
4
5
3
5
6
8
9
5
3
6
5
3
5
0.5771428571428572
0.6
6
2
6
9
5
5
14
5
3
8
2
5
3
0.5
文档评论（0）