python - 如何在 scikit-learn DecisionTreeRegressor 中使用实际的特征名称而不是 "X"？

Question

我想这是可能的，因为在 fit 函数的定义中 it says :

X : array-like, shape = [n_samples, n_features]

现在我有，

我当然可以生成决策树的字符串表示，然后将 X[] 替换为实际的特征名称。但是我想知道 fit 函数是否可以直接将特征名称作为输入的一部分？我为每个样本尝试了以下格式

• [1, 2, "feature_1", "feature_2"]

• [[1, 2], ["feature_1", "feature_2"]]

但都没有用。 shape 是什么意思？能举个例子吗？

Answer 1

fit 函数本身不支持类似的东西。但是，您可以使用 export_graphviz 绘制决策树，包括特征标签。成员函数。 (这不是你生成上面树的方式吗？)。本质上，你会做这样的事情:

iris = load_iris()
t = tree.DecisionTreeClassifier()
fitted_tree = t.fit(iris.data, iris.targets)
outfile = tree.export_graphviz(fitted_tree, out_file='filename.dot', feature_names=iris.feature_names)
outfile.close()

这将生成一个“点”文件，graphviz(必须单独安装)然后可以将其“呈现”为传统图像格式(postscript、png 等)。例如，要制作 png 文件，您d 运行:

dot -Tpng filename.dot > filename.png

点文件本身是一种纯文本格式，并且相当不言自明。如果您想调整文本，可以在您选择的文本编辑器中进行简单的查找替换。还有用于直接与 graphviz 及其文件交互的 python 模块。 PyDot似乎很受欢迎，但也有其他人。

---

fit 文档中的shape 引用仅指训练数据矩阵X 的布局。具体来说，它期望第一个索引随训练示例而变化，而第二个索引指的是特征。例如，假设您的数据的 shape 是 (150, 4)，iris.data 就是这种情况。 fit 函数会将其解释为包含 150 个训练示例，每个训练示例包含四个值。