我一直在玩sklearn并使用虹膜数据在线跟踪一些简单的例子。
我现在开始玩其他一些数据了。我不确定这种行为是否正确并且我有误解，但每当我称之为契合（x，y）时，我会得到完全不同的树数据。因此，当我运行预测时，我会得到不同的差异（大约10％），即60％，然后是70％，然后是65％等......
我运行下面的代码两次输出2棵树，所以我可以在Word中读取它们。我尝试从另一个文档中搜索值，其中很多是我无法找到的。 我认为拟合（x，y）总会返回相同的树 - 如果是这种情况，那么我假设我的火车数据浮动正在打击我。
clf_dt = tree.DecisionTreeClassifier()
clf_dt.fit(x_train, y_train)
with open("output2.dot", "w") as output_file:
tree.export_graphviz(clf_dt, out_file=output_file)
答案 0 :(得分：1)
算法中有一个随机组件，您可以在user guide中阅读。相关部分：
在最优性的几个方面甚至对于简单的概念，已知学习最优决策树的问题是NP完全的。因此，实际的决策树学习算法基于启发式算法，例如贪婪算法，其中在每个节点处进行局部最优决策。这种算法不能保证返回全局最优决策树。这可以通过在集合学习器中训练多个树来减轻，其中特征和样本随机取样替换。
如果您希望每次都获得相同的结果，请将random_state参数设置为整数（默认情况下为None），每次都应得到相同的结果。