决策树重复类名

Question

我有一个非常简单的数据/标签样本，我遇到的问题是生成的决策树（pdf）正在重复类名：

from sklearn import tree
from sklearn.externals.six import StringIO  
import pydotplus

features_names = ['weight', 'texture']
features = [[140, 1], [130, 1], [150, 0], [110, 0]]
labels = ['apple', 'apple', 'orange', 'orange']

clf = tree.DecisionTreeClassifier()
clf.fit(features, labels)

dot_data = StringIO()
tree.export_graphviz(clf, out_file=dot_data, 
                         feature_names=features_names,  
                         class_names=labels,  
                         filled=True, rounded=True,  
                         special_characters=True,
                         impurity=False)

graph = pydotplus.graph_from_dot_data(dot_data.getvalue()) 
graph.write_pdf("apples_oranges.pdf")

结果pdf如下：

所以，问题非常明显，这两种可能性都是苹果。我做错了什么？

来自DOCS：

  

字符串列表，bool或None，可选（默认=无）
  每个目标类的名称按升序排列。仅与分类相关且不支持多输出。如果为True，则显示类名的符号表示。

“......升序数字顺序”如果我将kwarg更改为：

，这对我来说没有多大意义

class_names=sorted(labels)

结果相同（在这种情况下很明显）。

Answer 1

类名实际上只是类的名称。这不是每个例子的标签。

所以一个类是'apple'而另一个是'orange'，所以你只需要传入['apple', 'orange']。

关于顺序，为了使其保持一致，您可以使用LabelEncoder将目标转换为整数int_labels = labelEncoder.fit_transform(labels)，使用int_labels来适合您的决策树，然后使用{ {1}}要传递到图表中的属性，即