sklearn决策树plot_tree中节点中的“值”是什么意思答案

【问题标题】：What is the meaning of "value" in a node in sklearn decisiontree plot_treesklearn决策树plot_tree中节点中的“值”是什么意思
【发布时间】：2021-04-19 09:44:03
【问题描述】：

我使用plot_tree function 绘制了我的 sklearn 决策树。节点结构如下：

但我不明白value = [2417, 1059] 是什么意思。在其他节点中还有其他值。谢谢你的解释。

【问题讨论】：

标签： scikit-learn decision-tree

【解决方案1】：

它们向您指示您在该步骤中按类别划分的样本数量。

例如，您的图片显示，在拆分为“hops

意识到如果将这两个值相加，您将获得与参数“samples”相同的数字（3476）。

如果树有效，您将观察到数据如何在每一步中更好地拆分。对于最后的叶子，您将看到您有明确的值，例如[300, 2]。那么您可以说所有这些样本都是 0 类。

【讨论】：

知道DecisionTreeRegressor 中的含义，尤其是。对于内部节点？
原来它可能取决于使用的标准。对于 MAE，它是 median

【解决方案2】：

`DecisionTreeClassifier`:

DecisionTreeClassifier 中的

value 是每个节点的 samples 中的类拆分。

请记住，如果您在调用 fit() 时对您的课程进行加权，它也可能会被加权。

例如：

cw={0: 0.6495288248337029, 1: 2.1719184430027805}

取真节点，你的真类分裂计算如下：

>>> [3819.229 / cw[0], 1216.274 / cw[1]]
[5880, 560]

如果不清楚，您的标准是根据加权拆分计算的：

>>> a, b = 3819.229, 1216.274
>>> ab = a + b
>>> (-(a / ab)*math.log2(a / ab)) - ((b / ab)*math.log2(b / ab))
0.7975914228753467

`DecisionTreeRegressor`:

DecisionTreeRegressor 中的

value 是树为落入该节点的新示例预测的值。如果您的标准是 MSE，您会发现 value 是该节点中 samples 的平均度量。

例如：

*(数据：Seaborn 的“点”示例集。)

在 coherence 上拟合的深度 1 回归树来预测 firing_rate。这不是一棵非常有用的树，但它说明了这个想法。

取真节点，value计算为：

>>> value = data[data.coherence <= 19.2].firing_rate.mean()
>>> value
40.48326118418657

该节点的

squared_error 是：

>>> ((data[data.coherence <= 19.2].firing_rate - value)**2).mean()
134.6504380931471

【讨论】：

DecisionTreeClassifier:

DecisionTreeRegressor:

`DecisionTreeClassifier`:

`DecisionTreeRegressor`: