machine-learning - 解释决策树回归的 Graphviz 输出

Question

我很好奇 Graphviz 用于回归时生成的决策树的节点中的 value 字段是什么。我知道这是使用决策树分类时每个类中由分割分隔的样本数，但我不确定这对于回归意味着什么。

我的数据有 2 维输入和 10 维输出。以下是我的回归问题的树的示例:

使用此代码生成并使用 webgraphviz 进行可视化

# X = (n x 2)  Y = (n x 10)  X_test = (m x 2)

input_scaler = pickle.load(open("../input_scaler.sav","rb"))
reg = DecisionTreeRegressor(criterion = 'mse', max_depth = 2)
reg.fit(X,Y)
pred = reg.predict(X_test)
with open("classifier.txt", "w") as f:
    f = tree.export_graphviz(reg, out_file=f)

Answer 1

回归树实际返回的输出是最终在各个终端节点(叶子)中的训练样本的因变量(此处为 Y)的平均值；这些平均值显示为名为 value 的列表在图中，这里的长度都是 10，因为你的 Y 是 10 维的。

换句话说，并使用树的最左边的终端节点(叶子)作为示例:

• 叶子由 42 个样本组成，X[0] <= 0.675和X[1] <= 0.5
• 这 42 个样本的 10 维输出的平均值在 value 中给出。这次休假的列表，长度确实是10，即Y[0]的平均值是 -152007.382 ， Y[1] 的平均值是 -206040.675等等以及 Y[9] 的平均值是 3211.487 .

您可以通过预测一些样本(来自您的训练或测试集 - 这并不重要)并检查您的 10 维结果是否为 4 value 之一来确认情况是否如此。上面终端叶中描述的列表。

此外，您可以确认，对于 value 中的每个元素，子节点的加权平均值等于父节点的相应元素。再次，使用最左边的 2 个终端节点(叶子)的第一个元素，我们得到:

(-42*152007.382 - 56*199028.147)/98
# -178876.39057142858

即value[0]其父节点(中间层最左边的节点)的元素。再举一个例子，这次是第一个 value 2 个中间节点的元素:

(-98*178876.391 + 42*417378.245)/140
# -0.00020000000617333822

这再次与 -0.0 一致第一value根节点的元素。

从value来看列表中的根节点，似乎 10 维 Y 的所有元素的平均值几乎为零，您可以(并且应该)手动验证这一点，作为最终确认。

<小时/>

所以，总结一下:

• value每个节点的列表包含“属于”相应节点的训练样本的平均 Y 值
• 此外，对于终端节点(叶子)，这些列表是树模型的实际输出(即输出始终是这些列表之一，具体取决于 X)
• 对于根节点，value列表包含整个训练数据集的平均 Y 值