Question

我正在尝试使用＆＃39树提取最深节点的规则_＆＃39; sklearn DecisionTreeClassifier中的方法。我很难理解＆＃39; children_left＆＃39;和＆＃39; children_right＆＃39;数组意味着从模型。任何人都可以帮忙解释一下吗？

estimator = DecisionTreeClassifier(max_depth=4, random_state=0)
estimator.fit(X_train, y_train)
estimator.tree_.children_left

[6] array([ 1,  2,  3,  4,  5, -1, -1,  8, -1, -1, 11, 12, -1, -1, 15, -1, -1,
   18, 19, 20, -1, -1, 23, -1, -1, 26, 27, -1, -1, 30, -1, -1, 33, 34,
   35, 36, -1, -1, 39, -1, -1, 42, 43, -1, -1, 46, -1, -1, 49, 50, 51,
   -1, -1, 54, -1, -1, 57, 58, -1, -1, 61, -1, -1])

tree_model.tree_.children_right

[7] array([32, 17, 10,  7,  6, -1, -1,  9, -1, -1, 14, 13, -1, -1, 16, -1, -1,
   25, 22, 21, -1, -1, 24, -1, -1, 29, 28, -1, -1, 31, -1, -1, 48, 41,
   38, 37, -1, -1, 40, -1, -1, 45, 44, -1, -1, 47, -1, -1, 56, 53, 52,
   -1, -1, 55, -1, -1, 60, 59, -1, -1, 62, -1, -1])

在Sklearn的例子http://scikit-learn.org/stable/auto_examples/tree/plot_unveil_tree_structure.html中，它说：

`# The decision estimator has an attribute called tree_  which stores the    entire
# tree structure and allows access to low level attributes. The binary tree
# tree_ is represented as a number of parallel arrays. The i-th element of  each
# array holds information about the node `i`. Node 0 is the tree's root. NOTE:
# Some of the arrays only apply to either leaves or split nodes, resp.`

但它并没有解释children_left数组中数字的含义

Answer 1

from sklearn.datasets import load_iris
from sklearn import tree
iris = load_iris()
clf = tree.DecisionTreeClassifier()
clf = clf.fit(iris.data, iris.target)
children_left = clf.tree_.children_left
print (children_left)

它打印：

[ 1 -1  3  4  5 -1 -1  8 -1 10 -1 -1 13 14 -1 -1 -1]

您可以在Google中找到有关虹膜数据的17节点决策树。看到它并将其与解释进行比较。

现在是解释：

它仅表示节点的左子节点。
如果值是-1，则表示该节点没有左节点。然后，它是该决策树的叶节点。在这里，我们可以看到有9个叶节点。
如果值> 0，则表明它已离开节点。因此它不是叶节点。这里有8个节点不是叶节点。
- 根有一个左节点。是1。
- 现在1没有任何左节点。所以它是叶节点。因此为-1。如果一个节点没有剩余节点，那么它也会将节点数增加到1。所以现在节点数是2。
- 现在，我们回溯到根。然后我们转到根的右节点。它已离开节点。现在节点数为3。
- 节点3具有另一个左节点。节点数4。
- 节点4还有另一个左节点。节点数5。
- 节点5没有任何剩余节点。因此它是叶子并显示-1。但是现在节点数是6。
- 我们回溯到节点4。我们去找合适的孩子。同样，它没有任何左孩子。因此它是叶子并显示-1。节点数7。
- 我们再次回溯到节点3。我们去找合适的孩子。该节点有左节点。所以现在节点数是8。

它继续。希望你能得到解释。

Answer 2

来自帖子：https://github.com/scikit-learn/scikit-learn/blob/4907029b1ddff16b111c501ad010d5207e0bd177/sklearn/tree/_tree.pyx

   children_left : array of int, shape [node_count]
    children_left[i] holds the node id of the left child of node i.
    For leaves, children_left[i] == TREE_LEAF. Otherwise,
    children_left[i] > i. This child handles the case where
    X[:, feature[i]] <= threshold[i].
children_right : array of int, shape [node_count]
    children_right[i] holds the node id of the right child of node i.
    For leaves, children_right[i] == TREE_LEAF. Otherwise,
    children_right[i] > i. This child handles the case where
    X[:, feature[i]] > threshold[i].

Answer 3

只是为了向您展示一个可视化决策树的小技巧。你可以在你选择的绘图函数中指定一个参数 node_ids = True（在我的例子中是 export_graphviz），它会在你的树的图像上显示节点 ID！

    export_graphviz(clf, out_file=dot_data, node_ids=True, 
            filled=True, rounded=True,
            special_characters=True,feature_names = feature_cols,class_names=['0','1'])

Iris_plot

！！！ :)

如何解释sklearn决策树tree_中的children_left属性

3 个答案: