我在Python中使用sklearn创建了一个决策树模型，该模型使用一个大型公共数据集的数据，该数据集将人类因素（年龄、BMI、性别、吸烟等）与保险公司每年支付的医疗费用相关联。我将数据集按0.2的测试大小进行了分割，但平均绝对误差和均方误差非常高。我尝试了不同的分割比例（0.5、0.8），但没有得到不同的结果。预测模型在某些区域似乎偏差很大，但我不知道是哪个部分出了问题，需要改进。我附上了我的输出照片（通过IMGUR链接，因为我无法直接添加照片）以及我的代码，感谢任何指导和建议！
https://i.sstatic.net/KrOMv.jpg
dataset = pd.read_csv('insurance.csv')LE = LabelEncoder()LE.fit(dataset.sex.drop_duplicates())dataset.sex = LE.transform(dataset.sex)LE.fit(dataset.smoker.drop_duplicates())dataset.smoker = LE.transform(dataset.smoker)LE.fit(dataset.region.drop_duplicates())dataset.region = LE.transform(dataset.region)print("Data Head")print(dataset.head())print()print("Data Info")print(dataset.info())print()for i in dataset.columns: print('Null Values in {i} :'.format(i = i) , dataset[i].isnull().sum())X = dataset.drop('charges', axis = 1) y = dataset['charges'] X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=.2, random_state=0) regressor = DecisionTreeRegressor() regressor.fit(X_train, y_train) y_pred = regressor.predict(X_test) df = pd.DataFrame({'Actual Value': y_test, 'Predicted Values': y_pred}) print(df)print('Mean Absolute Error:', metrics.mean_absolute_error(y_test, y_pred))print('Mean Squared Error:', metrics.mean_squared_error(y_test, y_pred))print('Root Mean Squared Error:', np.sqrt(metrics.mean_squared_error(y_test, y_pred)))回答：
如果您还没有尝试，以下是一些可以做的事情：
- 对非分类列/特征使用scikit-learn中的
StandardScaler()。 - 使用scikit-learn中的
GridSearchCV来搜索合适的超参数，而不是手动进行。虽然手动选择可能会让您对哪些参数值可能有效有所了解。 - 仔细检查
DecisionTreeRegressor的文档，确保您的实现与文档一致。
看看这些是否有帮助。
