Sklearn库中的决策树模型有哪些主要参数？

Sklearn库中的决策树模型主要有以下参数：

1. criterion：特征选择的标准，可选值有"gini"和"entropy"。默认为"gini"。
2. splitter：特征划分点选择标准，可选值有"best"和"random"。默认为"best"。
3. max_depth：决策树的最大深度，如果为None，则表示节点的扩展直至所有叶节点都是纯净的，或者所有叶子节点包含的样本数小于min_samples_split。
4. min_samples_split：内部节点再划分所需最小样本数。
5. min_samples_leaf：叶子节点最少样本数。
6. max_features：寻找最优划分时考虑的特征数量，可选值有"auto", "sqrt", "log2", None或整数。默认为"auto"。
7. random_state：随机数种子。
8. max_leaf_nodes：最大叶子节点数。
9. min_impurity_decrease：如果节点划分后不纯度减少量小于这个值，那么这个节点不再进行划分。