Как построить модель дерева регрессоров решений

Question

Я изучаю ML и делаю простые руки, как показано ниже:

// Разделите boston.data на два набора имен x_train и x_test. Кроме того, разделите boston.target на два набора y_train и y_test.

Создание модели регрессора дерева решений из набора x_train с параметрами по умолчанию. //

Я сделал следующий код для этого:

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)

Когда я делаю выше, это дает:

TypeError: fit() missing 1 required positional argument: 'y'

Могу ли я подобрать модель для одного учебного набора данных?

Что я должен дать здесь как 'у'?

Answer 1

При появлении ошибки метод fit() принимает 2 параметра для задачи регрессии, предикторы и результат:

dt_reg = dt.fit(x_train, y_train)

Для контролируемых моделей обучения, таких как используемое вами дерево регрессии, требуется набор наблюдений, состоящий из признаков (каждую строку X_train можно понимать как вектор, содержащий признаки для одного наблюдения) и целевой результат (каждый элемент в вектор y_train)