Python中sklearn.tree.decisiontreeclassifier的as_formula说明符？答案

【问题标题】：as_formula specifier for sklearn.tree.decisiontreeclassifier in Python?Python中sklearn.tree.decisiontreeclassifier的as_formula说明符？
【发布时间】：2015-10-31 10:16:18
【问题描述】：

我很好奇 Python 中是否有用于 sklearn.tree.decisiontreeclassifier 的 as_formula 说明符（如在 statsmodels 中），或者以某种方式破解。目前，我必须使用

clf = tree.DecisionTreeClassifier()
clf = clf.fit(X, Y)

但我更喜欢像

clf = clf.fit(formula='Y ~ X', data=df)

原因是我想指定多个 X 而不必进行大量的数组整形。谢谢。

【问题讨论】：

标签： python scikit-learn decision-tree patsy

【解决方案1】：

感谢您的信息。虽然sklearn 没有当前的Patsy 接口，但Patsy 很容易提供我需要的功能。举个例子……

from sklearn import tree
from patsy import dmatrix

red = [1,0,0,0,0,1,1,0,0,1,1,0]
green = [0,0,0,1,0,1,1,0,0,1,1,0]
blue = [0,0,1,1,0,0,0,1,0,0,0,0]

y = [0,0,0,0,0,1,1,0,0,1,1,0]

X = dmatrix('red + green + blue + 0')

dt_clf = tree.DecisionTreeClassifier()
dt_clf = dt_clf.fit(X, y)

pred_r = [1,1,0,0,1,1,0,0,0,0,0,0]
pred_g = [1,1,0,0,1,1,0,0,0,0,0,0]
pred_b = [0,0,1,1,0,0,0,1,0,0,0,0]

test = dmatrix('pred_r + pred_g + pred_b + 0')
dt_clf.predict(test)

也许更方便的是sklearn 与pandas 配合得很好。使用与上面相同的数据...

import pandas as pd

df = pd.DataFrame()
df['red'] = red
df['green'] = green
df['blue'] = blue
df['y'] = y

dt_clf = dt_clf.fit(df[['red','green','blue']], df['y'])
dt_clf.predict(test)

希望这可以帮助与我处于相同情况的人。

注意：要非常小心，X 的顺序保持不变。例如，不要训练为 df[['red','green','blue']] 然后预测 (df[['blue','green','red']]。可能看起来很明显，但是把事情搞砸的简单方法。

【讨论】：

【解决方案2】：

目前还不可能，但如果有一个 scikit-learn 的 patsy 界面就好了。不过，我认为目前没有人在研究它。

【讨论】：