![](https://cdn-ak-scissors.b.st-hatena.com/image/square/464720c4869c38a15d7f36b787babca3c8ace175/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9c2Npa2l0LWxlYXJuJUUzJTgxJUFFRGVjaXNpb25UcmVlQ2xhc3NpZmllciVFNSU5RiVCQSVFNiU5QyVBQyVFNCVCRCVCRiVFMyU4MSU4NCVFNiU5NiVCOSUzQSUyMCVFNiU5RSU5RCVFNSU4OCU4OCVFMyU4MiU4QSVFMyU4MSVBOCVFNiVCMSVCQSVFNSVBRSU5QSVFNiU5QyVBOCVFNiU4RiU4RiVFNyU5NCVCQiZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9ZmFmNjI3YjcwOGM5ZmUwOWJhN2ZhNjNmMWU5Y2E5ODg%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBGdWt1aGFyYVlvaGVpJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz1kYjYyZWY3Y2YwMTczYjVhNDVkOGYzMTJjNDFiM2QwYg%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3Db1f1c0dc5a50bd0aee905621474ed7f0)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
scikit-learnのDecisionTreeClassifier基本使い方: 枝刈りと決定木描画 - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
scikit-learnのDecisionTreeClassifier基本使い方: 枝刈りと決定木描画 - Qiita
from dtreeviz.trees import dtreeviz import pandas as pd import matplotlib.pyplot as plt import nu... from dtreeviz.trees import dtreeviz import pandas as pd import matplotlib.pyplot as plt import numpy as np from sklearn.datasets import make_classification from sklearn.metrics import classification_report, ConfusionMatrixDisplay, RocCurveDisplay, PrecisionRecallDisplay from sklearn.model_selection import train_test_split from sklearn.tree import DecisionTreeClassifier, plot_tree FEATURES = ['X0',