Scikit learn 如何理解scikit learn中DecisionTreeClassifier的输出？

我正在学习ML，并使用

scikit learn

进行基本的决策树分类

特征值是分类的，所以我使用了

DictVectorizer

来转换原始特征值。这是我的密码：

training_set # list of dict representing the traing set
labels # corresponding labels of the training set
vec = DictVectorizer()
vectorized = vec.fit_transform(training_set)
clf = tree.DecisionTreeClassifier()
clf.fit(vectorized.toarray(), labels)

with open("output.dot", "w") as output_file:
    tree.export_graphviz(clf, out_file=output_file)

---

但我不懂输出图。它包含一个树，每个节点都标记为

X[1]
X[1]当值处于连续间隔时，机器学习者将对值进行排序并查找所有中间值，以找到基尼指数最高的值

这是合理的，因为在连续域中，找到精确值为3.1415的测试实例的机会为零。在这种情况下，分类器不应该知道该做什么

我不知道scikit learn，但例如在WEKA中，可以指定值是连续的还是离散的。
您可以将功能名称传递给树导出器方法：

with open("output.dot", "w") as output_file:
    tree.export_graphviz(clf, feature_names=vec.get_feature_names(),
                         out_file=output_file)

分类器本身不知道数据的“含义”，它只处理连续的数值，因此需要使用矢量器将分类变量热编码为二进制变量，可以安全地视为范围内的连续变量
[0，1]
所有实际值要么为0，要么为1，两者之间没有任何值

要了解DictVectorizer如何进行一次热编码，请查看文档中的。
在导出图形时，请指定特征名称，在本例中，这些名称是自变量数据帧的列名

这将在输出文件中生成列名称，如下所示

model = clf.fit(X, y)

dot_data = tree.export_graphviz(model, out_file=None, feature_names=X.columns.values.tolist(), class_names = None, filled=True, rounded=True, special_characters=True)

with open("output.dot", "w") as output_file:
    output_file.write(dot_data)

没错。我知道
weka
，并尝试了一段时间，但我认为Python会更乐于学习。例如，
FEATURE\u 1
有三个可能的值
A
，
B
，
C
，它们依次被向量化为
0,0
，
0,1
。我想在图上显示的是
FEATURE_1==A
而不是
X[1]X中的元素是否比features的数量多？如果特征有三个可能的值，那么它相当于0，1，2-为什么你需要向量呢？我相信是的，这就是向量化的目的。特征的数量是4，矢量化数组有11个元素。好的，我明白了，因此X[1]是特征向量的元素，因此根本不对应于特定特征，而是对应于特征的几个可能值。准确地说，
X[1]
和
X[2]
一起表示功能1的三个可能值。
X
中的每个元素（以及
X
中的另一个元素）将只显示一个功能。我们可能希望有朝一日将分类变量的其他处理添加到
DV
——这个问题似乎到处都会出现。将字符串功能值转换为整数代码，而不是结果矩阵中的单独功能/列。也就是说，不做K中的一个@ogrisel我们可以使用SKlearn创建ID3吗？我在ID3决策树的手册中找不到ID3决策树的示例。sklearn trees实现购物车，请参阅：