NotFittedError：此 DecisionTreeClassifier 实例尚未安装

Question

我是 ML 新手，正在尝试运行基于决策树的模型

我尝试了以下

X = df[['Quantity']]
y = df[['label']]
params = {'max_depth':[2,3,4], 'min_samples_split':[2,3,5,10]}
clf_dt = DecisionTreeClassifier()
clf = GridSearchCV(clf_dt, param_grid=params, scoring='f1')
clf.fit(X, y)
clf_dt = DecisionTreeClassifier(clf.best_params_)

得到了这里提到的警告

FutureWarning: Pass criterion={'max_depth': 2, 'min_samples_split': 2} as keyword args. From version 1.0 (renaming of 0.25) passing these as positional arguments will result in an error
  warnings.warn(f"Pass {args_msg} as keyword args. From version "

后来，我尝试运行下面的代码并得到一个错误（但我已经使用.fit()拟合了模型）

from sklearn import tree
tree.plot_tree(clf_dt, filled=True, feature_names = list(X.columns), class_names=['Iris-setosa', 'Iris-versicolor', 'Iris-virginica'])

NotFittedError: This DecisionTreeClassifier instance is not fitted yet. Call 
'fit' with appropriate arguments before using this estimator.

可以帮助我解决这个错误吗？

Answer 1

如果您选择best_params_，则必须使用这些参数重新拟合模型。请注意，这些应该在传递给模型时解包：

clf_dt = DecisionTreeClassifier(**clf.best_params_)
clf_dt.fit(X, y)

但是，您也可以使用best_estimator_ 属性来直接访问最佳模型：

clf_dt = clf.best_estimator_

Answer 2

所以你面临两个问题。

首先

参考

FutureWarning：通过标准={'max_depth': 2, 'min_samples_split': 2} 作为关键字参数。从 1.0 版（重命名为 0.25）开始，将这些作为位置参数传递将导致错误

您可以尝试在创建params 时使用dict 类构造函数：

params = dict(max_depth=[2,3,4], min_samples_split=[2,3,5,10])

但是这个警告看起来很奇怪，而且我没有出现。

其次

参考

NotFittedError：此 DecisionTreeClassifier 实例尚未安装。在使用此估算器之前，使用适当的参数调用“fit”。

Here你可以了解sklearn中的强制拟合步骤。但正如您所说，您只是在第一个代码示例中这样做了。你的问题是使用

clf_dt = DecisionTreeClassifier(clf.best_params_)

您创建了一个新的 DecisionTreeClassifier 类，因此在您调用时不适合

tree.plot_tree(clf_dt ...)

当你打电话时

clf = GridSearchCV(clf_dt, param_grid=params, scoring='f1')

在您的情况下，sklearn 会自动将最佳估算器分配给 clf。所以只需使用这个变量:) 以下步骤clf_dt = DecisionTreeClassifier(clf.best_params_) 不是必需的。