sklearn，DecisionTreeRegressor：我可以优先考虑一列数据而不是其他列吗？答案

【问题标题】：sklearn, DecisionTreeRegressor: Can I give priority to one column of the data over the other columns?sklearn，DecisionTreeRegressor：我可以优先考虑一列数据而不是其他列吗？
【发布时间】：2019-12-14 03:16:16
【问题描述】：

Image tree

我正在根据具有 3 列的数据集制作决策树：

示例：

ID  Area  Year

1     50   1950

2      150   1981

3      210   1987

4      205   1973

5      176   1992

....

当我使用DecisionTreeRegressor制作决策树时，这棵树基于所有3列，我想要的是ID不包含在树本身但仍然可以追溯（所以我不想删除此列）

此外，我还希望“年份”列与“区域”列相比具有优先级。因此，数据总数首先根据年份拆分，然后按“年份”拆分。（现在决策树决定在之前制作“区域”（X1），甚至不使用“年份”...参见附图：Image tree）

我该怎么做？

我尝试将第一列转换为字符串，但树仍在使用列“ID”。

到目前为止我的代码：

clf = tree.DecisionTreeRegressor(min_samples_split=20,max_leaf_nodes=20).fit(X_train, y_train)
tree.plot_tree(clf)

import os

os.environ["PATH"] += os.pathsep + r'C:\anaconda3\Library\bin\graphviz'

dot_data = tree.export_graphviz(clf, out_file=None) 

graph = graphviz.Source(dot_data) 

from graphviz import render

graph.render('png', "test")

【问题讨论】：

你能展示一些你迄今为止尝试过的代码吗？
向我们展示您的尝试。 SO 不是免费的代码服务网站。
predict 和 predict_proba 等分类器上的方法保持行的顺序 - 即，即使您从 X_train 数据集中删除 ID 列（同时在某些基础数据集中维护它） -您可以稍后简单地连接预测值
决策树的全部意义在于让它们根据自己的标准决定最优分割；手动给他们“优先级”是没有意义的。
谢谢@Mortz！

标签： python scikit-learn decision-tree

【解决方案1】：

predict 和 predict_proba 等分类器上的方法保持行的顺序 - 即即使您从 X_train 数据集中删除 ID 列（同时在某些基础数据集中维护它） - 您可以简单地稍后连接预测值。

W.r.t 你的问题是关于如何首先按Year 分割 - 我不认为sklearn 或任何其他 python ML 库可以做到这一点。您可能想看看 SAS Enterprise Miner 或 Angoss Knowledge Studio 之类的替代方案 - 但它们都不是 FOSS。

一个肮脏的黑客可能是用Year 列构建一棵树 - 请注意拆分，然后根据获得的拆分将您的数据分成 2 个（或更多）部分。

【讨论】：