當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文


Python sklearn DecisionTreeRegressor用法及代碼示例


本文簡要介紹python語言中 sklearn.tree.DecisionTreeRegressor 的用法。

用法:

class sklearn.tree.DecisionTreeRegressor(*, criterion='squared_error', splitter='best', max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features=None, random_state=None, max_leaf_nodes=None, min_impurity_decrease=0.0, ccp_alpha=0.0)

決策樹回歸器。

在用戶指南中閱讀更多信息。

參數

criterion{“squared_error”、“friedman_mse”、“absolute_error”、“poisson”},默認=”squared_error”

測量分割質量的函數。支持的標準是均方誤差的“squared_error”,它等於作為特征選擇標準的方差減少,並使用每個終端節點的平均值來最小化 L2 損失,“friedman_mse”,它使用均方誤差和弗裏德曼的潛在改進分數分裂,“absolute_error” 表示平均絕對誤差,它使用每個終端節點的中值最小化 L1 損失,“poisson” 使用泊鬆偏差的減少來找到分裂。

splitter{“best”, “random”},默認=”best”

用於在每個節點處選擇拆分的策略。支持的策略是“best” 選擇最佳分割和“random” 選擇最佳隨機分割。

max_depth整數,默認=無

樹的最大深度。如果沒有,則擴展節點直到所有葉子都是純的或直到所有葉子包含少於min_samples_split 個樣本。

min_samples_splitint 或浮點數,默認=2

拆分內部節點所需的最小樣本數:

  • 如果是 int,則將 min_samples_split 視為最小數字。
  • 如果是浮點數,那麽 min_samples_split 是一個分數,而 ceil(min_samples_split * n_samples) 是每個拆分的最小樣本數。
min_samples_leafint 或浮點數,默認=1

葉節點所需的最小樣本數。隻有在左右分支中的每個分支中至少留下min_samples_leaf 訓練樣本時,才會考慮任何深度的分割點。這可能具有平滑模型的效果,尤其是在回歸中。

  • 如果是 int,則將 min_samples_leaf 視為最小數字。
  • 如果是浮點數,那麽 min_samples_leaf 是分數,而 ceil(min_samples_leaf * n_samples) 是每個節點的最小樣本數。
min_weight_fraction_leaf浮點數,默認=0.0

需要在葉節點處的權重總和(所有輸入樣本的)的最小加權分數。當未提供sample_weight 時,樣本具有相同的權重。

max_featuresint、float 或 {“auto”, “sqrt”, “log2”},默認 = 無

尋找最佳分割時要考慮的特征數量:

  • 如果是 int,則在每次拆分時考慮 max_features 特征。
  • 如果是浮點數,那麽 max_features 是一個分數,並且在每次拆分時都會考慮 int(max_features * n_features) 特征。
  • 如果 “auto”,那麽 max_features=n_features
  • 如果 “sqrt”,那麽 max_features=sqrt(n_features)
  • 如果 “log2”,那麽 max_features=log2(n_features)
  • 如果沒有,那麽 max_features=n_features

注意:在找到至少一個節點樣本的有效分區之前,對拆分的搜索不會停止,即使它需要有效地檢查超過 max_features 的特征。

random_stateint、RandomState 實例或無,默認=無

控製估計器的隨機性。即使 splitter 設置為 "best" ,這些特征總是在每次拆分時隨機排列。當 max_features < n_features 時,算法將在每次拆分時隨機選擇 max_features,然後再找到其中的最佳拆分。但是,即使 max_features=n_features ,最好的拆分可能會因不同的運行而有所不同。就是這樣,如果標準的改進對於幾個拆分是相同的,並且必須隨機選擇一個拆分。為了在擬合期間獲得確定性行為,random_state 必須固定為整數。有關詳細信息,請參閱詞匯表。

max_leaf_nodes整數,默認=無

以best-first 方式用max_leaf_nodes 種植一棵樹。最佳節點定義為雜質的相對減少。如果 None 則無限數量的葉節點。

min_impurity_decrease浮點數,默認=0.0

如果該分裂導致雜質減少大於或等於該值,則該節點將被分裂。

加權雜質減少方程如下:

N_t / N * (impurity - N_t_R / N_t * right_impurity
                    - N_t_L / N_t * left_impurity)

其中N是樣本總數,N_t是當前節點的樣本數,N_t_L是左孩子的樣本數,N_t_R是右孩子的樣本數.

N , N_t , N_t_RN_t_L 都是指加權和,如果通過了 sample_weight

ccp_alpha非負浮點數,默認=0.0

用於最小Cost-Complexity 修剪的複雜度參數。將選擇具有最大成本複雜度且小於ccp_alpha 的子樹。默認情況下,不進行剪枝。有關詳細信息,請參閱最小 Cost-Complexity 修剪。

屬性

feature_importances_ndarray 形狀 (n_features,)

返回特征重要性。

max_features_int

max_features 的推斷值。

n_features_int

已棄用:屬性 n_features_ 在 1.0 中已棄用,並將在 1.2 中刪除。

n_features_in_int

擬合期間看到的特征數。

feature_names_in_ndarray 形狀(n_features_in_,)

擬合期間看到的特征名稱。僅當 X 具有全為字符串的函數名稱時才定義。

n_outputs_int

執行fit 時的輸出數。

tree_樹實例

基礎樹對象。請參考 help(sklearn.tree._tree.Tree) 了解 Tree 對象的屬性和了解決策樹結構了解這些屬性的基本用法。

注意

控製樹大小的參數的默認值(例如 max_depthmin_samples_leaf 等)會導致完全生長和未修剪的樹在某些數據集上可能非常大。為了減少內存消耗,應該通過設置這些參數值來控製樹的複雜性和大小。

參考

1

https://en.wikipedia.org/wiki/Decision_tree_learning

2

L. Breiman、J. Friedman、R. Olshen 和 C. Stone,“分類和回歸樹”,Wadsworth,Belmont,CA,1984 年。

3

T. Hastie、R. Tibshirani 和 J. Friedman。 “統計學習要素”,施普林格,2009 年。

4

L. Breiman 和 A. Cutler,“Random Forests”,https://www.stat.berkeley.edu/~breiman/RandomForests/cc_home.htm

例子

>>> from sklearn.datasets import load_diabetes
>>> from sklearn.model_selection import cross_val_score
>>> from sklearn.tree import DecisionTreeRegressor
>>> X, y = load_diabetes(return_X_y=True)
>>> regressor = DecisionTreeRegressor(random_state=0)
>>> cross_val_score(regressor, X, y, cv=10)
...                    
...
array([-0.39..., -0.46...,  0.02...,  0.06..., -0.50...,
       0.16...,  0.11..., -0.73..., -0.30..., -0.00...])

相關用法


注:本文由純淨天空篩選整理自scikit-learn.org大神的英文原創作品 sklearn.tree.DecisionTreeRegressor。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。