SkelarnでGridSearchCVを使用してDecision Treeを調整するとき、私は質問があります。 max_depthの範囲を決めたら、max_depthが必要と思われる場合があります。ため、サンプルの数、または機能は、max_depthを決定するために影響を与えます。だから、max_depthの範囲を決定するための適切な基準はありますか、それとも直感によってのみ決定されますか？SklearnのDecisionTreeClassifierのmax_depthを決定します
ケースごとにmax_depthを変更してパフォーマンスを記録できます。
これは、パフォーマンスを向上させるのに役立ちます。
http://scikit-learn.org/stable/modules/generated/sklearn.metrics.log_loss.html
あなたはテストでの最大の深さを決定してもよいです。 しかし、あなたが木から適応させたmax_depthを作ろうとするならば、それを見いだすのに十分なデータで別の学習アルゴリズムを訓練しようとすることができます。 （または単純に線形回帰で）
the recommendationは、max_depth=3で始まり、Decision Tree (DT)のドキュメントで詳しく説明しています。
は、具体的には、RandomForestClassifier又はDT RegressionとしてEnsemble Methodsを使用することも高い、および/または過剰適合に設定されているか否かmax_depth決定するのに有用です。