训练有素的“决策树”与“决策路径”

Question

我正在使用scikit“决策树” 分类器来预测迁移项目的“工作量”。我的要求的另一部分是找到影响预测的特征。

我训练了模型，并得到了具有不同节点上所有功能的层次树。

我认为提供测试记录时，将使用同一棵树来预测大小。但是事实并非如此！

进行预测后，我打印了Decision_path以查看“该预测中考虑的功能” 。

此决策路径与模型构建的树完全不同。

如果树不用于预测，树的用途是什么。

如何使用决策路径来获得该预测中的重要功能？

如果我导出这些规则集并用于查找决策路径，那将给我带来错误的功能或与决策路径的输出不匹配。

编辑1

添加了通用代码。它提供了类似的输出。

from __future__ import print_function
import pandas as pd
import numpy as np

from sklearn import preprocessing
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn import tree
# Create tree object 
import graphviz
import pydotplus
import collections

file_path = "sample_data_generic.csv"
data = pd.read_csv( file_path )
data.head()

df = data.copy()
cols = df.columns
col_len = len(cols)
features_category = []

for col_index in range( col_len ):
    if df[ cols[col_index] ].dtype == 'object' or df[ cols[col_index] ].dtype == 'float64':
        df[ cols[col_index] ] = df[ cols[col_index] ].astype('category')
        features_category.append( cols[col_index] )

#redefining the variable value as it is throwing some error in the below lines due to the presence of next line char?!
features_category = ['Cloud Provider', 'OS Upgrade Path', 'Target_OS_NAME', 'Target_OS_VERSION', 'os_version']

# create dataframe for target variable
df_target = df['Size']
df.drop('Size', axis=1, inplace=True)

df = pd.get_dummies(df, columns=features_category, dtype='int')

df.head()

df_x_data = df.copy()
df_x_data.head()
y_data = df_target
target_classes = y_data.unique()
target_classes = target_classes.astype('category')
test_size_val = 0.3

x_train, x_test, y_train, y_test = train_test_split(df_x_data, y_data, test_size=test_size_val, random_state=1)


print("number of test samples :", x_test.shape[0])
print("number of training samples:",x_train.shape[0])

x_train.sort_values(['Comps'], ascending=[True]) #, 'Estimation'
model = tree.DecisionTreeClassifier()
model = model.fit(x_train, y_train)
model.score(x_test, y_test)
dot_data = tree.export_graphviz(model, out_file=None, 
                     feature_names=x_train.columns,  
                     class_names=target_classes,  
                     filled=True, rounded=True,  
                     special_characters=True)  
graph = pydotplus.graph_from_dot_data(dot_data)
print('graph: ', graph)
colors = ('white','red', 'green')

edges = collections.defaultdict(list)

for edge in graph.get_edge_list():
    edges[edge.get_source()].append(int(edge.get_destination()))
print( edges )
for edge in edges:
    edges[edge].sort()
    for i in range(2):
        dest = graph.get_node(str(edges[edge][i]))[0]
        dest.set_fillcolor(colors[i])

graph.write_png('decision_tree_2019_generic.png')

from IPython.display import Image
Image(filename = 'decision_tree_2019_generic.png')

to_predict = x_test[3:4]
model.predict( to_predict )

to_predict.values

applied = model.apply( to_predict )
applied

to_predict

decision_path = model.decision_path( to_predict )
print( decision_path.indices, '\n' )
print( decision_path[:1][:1])

predict_cols = decision_path.indices

predicted_row = to_predict
cols = predicted_row.columns
#print("len of cols: ", len(cols) )
for col in predict_cols:
    print( cols[col], predicted_row[ cols[col] ].values )

样本数据：目前是生成的数据。

云提供商，Comps，env，主机，操作系统升级路径，Target_OS_NAME，Target_OS_VERSION，大小，os_version AWS，11,2,3833，不直接，Linux，4，M，2 Google Cloud，16,6,4779，Direct，Mac，3，S，1 AWS，18,6,6677，不直接，Linux，7，S，8 Google Cloud，34,2,1650，Direct，Windows，5，B，1 AWS，35,6,9569，直接，Windows，6，M，3 AWS，36,6,7421，不直接，Windows，3，B，5 Google Cloud，49,4,3469，Direct，Mac，6，B，1 AWS，54,5,5677，Direct，Mac，4，M，8

但是预测的测试数据的决策路径是： 压缩[206]-> env [3]->主机[637]

预先感谢

Answer 1

我认为您在误解decision_path的返回值：它使用树的内部表示中的节点索引返回一个稀疏矩阵，指示预测所经过的树的哪些节点。这些并不意味着（并且实际上）不与数据集的列对齐。相反，如果要访问与预测所经过的节点相关的功能，请尝试：

predict_nodes = decision_path.indices
predicted_row = to_predict
cols = predicted_row.columns
for node in predict_nodes:
    col = model.tree_.feature[node]
    print( cols[col], predicted_row[ cols[col] ].values )

请注意，叶节点显然没有测试功能，并且（根据我的经验）返回的特征索引值为负值，因此也请当心。

要了解有关树的内部结构的更多信息，请参见this示例，并且（根据文档的建议）也使用help(sklearn.tree._tree.Tree)