解释Graphviz输出以进行决策树回归

Question

我很好奇当Graphviz用于回归时，value字段在决策树的节点中是什么。我知道这是使用决策树分类时每个类中由分割分隔的样本数，但我不确定它对回归意味着什么。

我的数据有2维输入和10维输出。以下是我的回归问题树的示例：

使用此代码和＆amp;用webgraphviz可视化

 

# X = (n x 2)  Y = (n x 10)  X_test = (m x 2)

input_scaler = pickle.load(open("../input_scaler.sav","rb"))
reg = DecisionTreeRegressor(criterion = 'mse', max_depth = 2)
reg.fit(X,Y)
pred = reg.predict(X_test)
with open("classifier.txt", "w") as f:
    f = tree.export_graphviz(reg, out_file=f)

谢谢！

Answer 1

回归树实际上作为输出返回的是训练样本的因变量（此处为Y）的平均值，其最终在各个终端节点（叶子）中;这些平均值显示为图片中名为value的列表，这里的长度均为10，因为您的Y是10维的。

换句话说，并使用树的最左端节点（叶）作为示例：

• 该叶子包含X[0] <= 0.675和X[1] <= 0.5
的42个样本
• 这42个样本的10维输出的平均值在此假期的value列表中给出，确实长度为10，即Y[0]的平均值为{{1 } {} -152007.382的平均值为Y[1]等，-206040.675的平均值为Y[9]。

您可以通过预测某些样本（来自您的训练或测试集 - 无关紧要）并确认您的10维结果是以下所示的4个3211.487列表中的一个来确认这种情况。终端离开了上面。

此外，您可以确认，对于value中的每个元素，子节点的加权平均值等于父节点的相应元素。再次，使用最左边2个终端节点（叶子）的第一个元素，我们得到：

 

value

即。父节点的(-42*152007.382 - 56*199028.147)/98 # -178876.39057142858 元素（中间级别中最左边的节点）。再举一个例子，这次是2个中间节点的第一个value[0]元素：

value

再次同意根节点的(-98*178876.391 + 42*417378.245)/140 # -0.00020000000617333822 第一个-0.0元素。

从您的根节点的value列表判断，您的10维Y的所有元素的平均值几乎为零，您可以（并且应该）手动验证，作为最终确认

所以，总结一下：

• 每个节点的value列表包含“属于”相应节点的训练样本的平均Y值
• 此外，对于终端节点（叶子），这些列表是树模型的实际输出（即输出将始终是这些列表中的一个，具体取决于X）
• 对于根节点，value列表包含整个训练数据集的平均Y值