Python 生成具有相同类的终端叶的决策树
我对决策树比较陌生,我一直坚持我的决策树算法。我使用交叉验证和参数调整来优化分类,如下示例:。但不管我如何调整参数,我总是得到如下结果(这里只是一个小树的示例):Python 生成具有相同类的终端叶的决策树,python,scikit-learn,decision-tree,Python,Scikit Learn,Decision Tree,我对决策树比较陌生,我一直坚持我的决策树算法。我使用交叉验证和参数调整来优化分类,如下示例:。但不管我如何调整参数,我总是得到如下结果(这里只是一个小树的示例): 我不明白这种行为的原因。为什么树会生成具有相同类(这里是class2)的叶子?为什么它不在一个之后停止呢?您所指的类属性是该特定节点上的多数类,并且颜色来自您传递到的filled=True参数 现在,看看您的数据集,您有147个class1样本和525个class2样本,这是一个相当不平衡的比率。碰巧的是,在这个深度上,特定数据集的
我不明白这种行为的原因。为什么树会生成具有相同类(这里是class2)的叶子?为什么它不在一个之后停止呢?您所指的
类
属性是该特定节点上的多数类,并且颜色来自您传递到的filled=True
参数
现在,看看您的数据集,您有147个class1样本和525个class2样本,这是一个相当不平衡的比率。碰巧的是,在这个深度上,特定数据集的最佳分割会产生分割,其中大多数类是class2。这是正常的行为,是数据的产物,考虑到class2的数量比class1的数量多3:1,这并不奇怪
至于为什么当多数类对于拆分的两个子类相同时,树不会停止,这是因为算法的工作方式。如果没有“最大深度”(max depth)而保持无界,则它将继续,直到只生成独占包含单个类的纯叶节点为止(其中的值为0)。您在示例中设置了max_depth=2
,因此树在生成所有纯节点之前就停止了
您会注意到,在示例中用红色框住的拆分中,右侧的节点几乎是100%的class2,有54个class2实例,只有2个class1实例。如果算法在此之前停止,它将生成上面的节点,即291-45 class2-class1,这远没有那么有用
也许您可以增加树的最大深度,看看是否可以进一步分离类
def load_csv(filename):
dataset = list()
with open(filename, 'r') as file:
csv_reader = reader(file)
for row in csv_reader:
if not row:
continue
dataset.append(row)
return dataset
# Convert string column to float
def str_column_to_float(dataset, column):
for row in dataset:
row[column] = float(row[column].strip())
# Load dataset
filename = 'C:/Test.csv'
dataset = load_csv(filename)
# convert string columns to float
for i in range(len(dataset[0])):
str_column_to_float(dataset, i)
# Transform to x and y
x = []
xpart = []
y = []
for row in dataset:
for i in range(len(row)):
if i != (len(row) - 1):
xpart.append(row[i])
else:
y.append(row[i])
x.append(xpart)
xpart = []
features_names = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h']
labels = ['class1', 'class2']
#here I tried to tune the parameters
#(I changed them several times, this is just an example to show, how the code looks like).
# However, I always ended up with terminal leaves with same classes
"""dtree=DecisionTreeClassifier(class_weight=None, criterion='entropy', max_depth=5,
max_features=8, max_leaf_nodes=None, min_impurity_decrease = 0.0, min_impurity_split = None, min_samples_leaf=1,
min_samples_split=2, min_weight_fraction_leaf=0.0,
presort=False, random_state=None, splitter='random')"""
#here, I created the small example
dtree = DecisionTreeClassifier(max_depth=2)
dtree.fit(x,y)
dot_data = tree.export_graphviz(dtree, out_file=None)
graph = graphviz.Source(dot_data)
graph.render("Result")
dot_data = tree.export_graphviz(dtree, out_file=None,
feature_names= features_names,
class_names=labels,
filled=True, rounded=True,
special_characters=True)
graph = graphviz.Source(dot_data)
graph.format = 'png'
graph.render('Result', view = True)