Python 我可以在scikit learn（和R）中为DecisionTreeClassifier绘制部分图吗

我有一些使用scikit learn的DecisionTreeClassifier的旧代码。我想基于这个分类器绘制部分图

到目前为止，我看到的所有示例（例如）都使用“GradientBoostingRegressionor”作为分类器

我的问题是，是否可以为其他分类器绘制部分图？（例如DecisionTreeClassifier）。我尝试了以下代码：

from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble.partial_dependence import plot_partial_dependence
from sklearn.datasets import make_friedman1

X, y = make_friedman1()
clf = DecisionTreeClassifier(max_features='auto').fit(X,y)
fig, axs = plot_partial_dependence(clf, X, [0, (0, 1)])                                                    

但它不起作用

ValueError: gbrt has to be an instance of BaseGradientBoosting

我在网上找到了一些评论（Quora）：

部分依赖图完全不依赖于分类器的特定选择。如果在随机林分类器中进行交换，用于梯度增强示例的部分依赖图模块将可以正常工作

然而，我仍然不知道它是如何工作的

同样对于R，我似乎可以为randomForest软件包绘制部分图。然而，我并不完全确定随机森林是如何实现的，在R手册中，作者Andy Liaw引用了参考文献“Friedman，J.（2001）。贪婪函数近似：梯度提升机，Ann.of Stat.。”

这是否意味着我必须使用梯度推进才能得到部分图

---

感谢您的帮助。非常感谢

正如错误消息所述，必须使用基类为

BaseGradientBoosting

的分类器

从您发布的文档中：

gbrt:BaseGradientBoosting

一个拟合的梯度推进模型

---

GradientBoostingClassifier

和

GradientBoostingRegressionor

都继承自

BaseGradientBoosting

（），因此理论上，这两个类中的任何一个都应该工作。至于其余的分类器，它们似乎不受

plot\u partial\u dependence

函数的支持。

partial dependence plot是一种在特定模型中发现特征与目标特征交互的方法。在线性回归模型中，可以将其视为系数（β），在非线性模型中只能使用部分相关性，并告诉您模型如何在每个不同的特征值下解释特征。另一个区别是，在大多数非线性模型中，特征交互将发挥更大的作用。scikit learn不支持gbrt以外的模型的部分依赖图，这并不意味着您不能将该方法应用于该模型。（这有点悲哀，我等待他们的更新已经很久了）

下面是一个在Python中应用部分依赖于Xgb模型的示例。

这篇文章也说明了它是如何计算的。因此，您可以使用此逻辑创建自己的函数

---

此外，R库具有随机森林模型的部分依赖图（我有一段时间没有使用R，无法记住库的确切名称）。

这已经困扰了我一段时间-PDP仅在gbrt分类器上可用

幸运的是，这个问题已经得到解决，一个新的sklearn版本（3周前左右）意味着可以在所有分类器上进行PDP

---

此处描述了所做的工作（仅供参考，我与此无关，只是一位心存感激的最终用户）

请使用来自sklearn.inspection导入绘图\u partial\u dependence而不是sklearn.employe.partial\u dependence.partial\u dependence