如何在scikit-learn DecisionTreeRegressor中使用实际的功能名称而不是“X”？

Question

我认为这是可能的，因为在fit函数it says的def中：

  

X：类似数组，shape = [n_samples，n_features]

现在我有，

我当然可以生成决策树的字符串表示，然后用实际的功能名称替换X[]。但是我想知道fit函数是否可以直接将特征名称作为输入的一部分？我为每个样本尝试了以下格式

• [1,2，“feature_1”，“feature_2”]

• [[1,2]，[“feature_1”，“feature_2”]]

但都没有奏效。 shape是什么意思？你能举个例子吗？

Answer 1

fit函数本身不支持这样的东西。但是，您可以使用export_graphviz成员函数绘制决策树，包括要素标签。 （这不是你如何生成上面的树？）。基本上，你会做这样的事情：

iris = load_iris()
t = tree.DecisionTreeClassifier()
fitted_tree = t.fit(iris.data, iris.targets)
outfile = tree.export_graphviz(fitted_tree, out_file='filename.dot', feature_names=iris.feature_names)
outfile.close()

这将生成一个'dot'文件，graphviz（必须单独安装）然后可以“渲染”成传统的图像格式（postscript，png等）例如，要创建一个png文件，你' d run：

dot -Tpng filename.dot > filename.png

点文件本身是一种纯文本格式，相当不言自明。如果您想调整文本，可以使用您选择的文本编辑器中的简单查找替换。还有python模块可以直接与graphviz及其文件进行交互。 PyDot似乎非常受欢迎，但也有其他人。

---

shape文档中的fit引用只是指X的布局，即训练数据矩阵。具体来说，它期望第一个索引在训练示例中变化，而第二个索引则指向特征。例如，假设您的数据shape为（{1}}，则为iris.data。 fit函数将其解释为包含150个训练样例，每个示例包含四个值。

Answer 2

X应为2维numpy ndarray，其中每行对应一个样本，每列代表一个要素的值。 shape指的是要素数据X的行数和列数。

有效X的示例，其中包含3个样本和2个要素：

import numpy as np
X = np.array([[2,2],[2,0],[0,2]])
y = np.array([0,1,1])
print X.shape # Output (2,2)

其中第一个样本的值分别为第一个和第二个的第2个和第二个。

如果您在dict列表中有特征数据的表示（每个dict对应一个样本），那么

D = [
 {'feature1': 2, 'feature2': 2},
 {'feature1': 2, 'feature2': 0},
 {'feature1': 0, 'feature2': 2}
]

然后您可以使用DictVectorizer生成矩阵X：

from sklearn.feature_extraction import DictVectorizer
v = DictVectorizer(sparse=False)
X = v.fit_transform(D)