python - 如何手动创建 scikit-learn 树？

Question

为了测试一些代码，我希望能够手动创建一个 sklearn.tree._tree.Tree，而不是通过拟合某些数据。

为了具体起见，假设我想要一棵树，将实线中的点分类为区间 (-infinity, 5]、(5,6] 或 (6,infinity)。我想要树的形状

----0----
|        |
|     ---2---
|     |      |
1     3      4

其中节点 0 在 5 处拆分实线，节点 2 在 6 处拆分实线。

如何做到这一点？我看到树有一个 __setstate__ 方法，并且查看 __getstate__ 的输出看起来我需要类似

的东西

state = {
        'n_features_': 1,
        'max_depth': 2,
        'node_count': 5,
        'nodes': np.array([(1 ,   2,  0,  5., 0.375, 3, 3.),
                           (-1,  -1,  0, -2., 0.   , 1, 1.),
                           (3 ,   4,  0,  6., 0.,  , 2, 2.),
                           (-1,  -1,  0, -2., 0.,  , 1, 1.),
                           (-1,  -1,  0, -2., 0.,  , 1, 1.),
                           ],
                          dtype=[('left_child', '<i8'), ('right_child', '<i8'), ('feature', '<i8'),('threshold', '<f8'), ('impurity', '<f8'), ('n_node_samples', '<i8'), ('weighted_n_node_samples', '<f8')]),
}

但我并不真正理解这些参数的含义，而且无论如何我都不知道如何首先使用这种状态初始化树。

Answer 1

尝试手动更改节点数小时后。我找到了解决办法。的确，你是对的。通过使用 setstate，您可以进行树自定义。“节点”键必须如下所示:

• numpy 元组数组
• 每个元组必须像下面这样:(left_child[i], right_child[i], feature[i], threshold[i], impurity[i], n_node_samples[i], weighted_n_node_samples[i])

-1(左/右 child )和 -2(特征)代表叶子。

训练分类器时，您将拥有另一个键:“值”。