使用 sklearn.tree 中的 DecisionTreeRegressor 时，model.predict(x.head) 真正预测的是什么？答案

【问题标题】：What is model.predict(x.head) really predicting when using DecisionTreeRegressor from sklearn.tree?使用 sklearn.tree 中的 DecisionTreeRegressor 时，model.predict(x.head) 真正预测的是什么？
【发布时间】：2021-06-17 19:49:43
【问题描述】：

我使用来自 scikit-learn DecisionTreeRegressor 的predict 尝试对一些疯狂三月的统计数据进行建模，但我真的不知道我的结果意味着什么。

predict 函数预测什么？它是对列中接下来的内容的估计还是像矩阵一样解决它？

from sklearn.tree import DecisionTreeRegressor

model = DecisionTreeRegressor(random_state=1)
model.fit(x, y)

#file_path_test = '/content/sample_data/MM_Prediction_21 - Sheet5.csv'
data_test = pd.read_csv(file_path)
x1 = data_test[features]

print(model.predict(x1.head()))

【问题讨论】：

predict 函数预测什么，预测给定数据的标签或值。
一个 ML 模型从您在训练期间给他的示例 X_train 和 y_train 中“学习”，并尝试从中构建模型。然后它将模型应用于您提供的新 X_new 并要求他预测 y_new 值。
好的，那么当您尝试阅读文档时发生了什么？您对机器学习有任何背景了解吗？

标签： python machine-learning scikit-learn decision-tree

【解决方案1】：

model.predict 使用上面拟合的模型根据特征预测值。在这种特定情况下，它是一个DecisionTreeClassifier，它构建了一个Decision Tree。在预测阶段，构建的树用于预测每个特征向量落在哪个叶子节点上，并输出该叶子节点中的类标签。

【讨论】：