我很好奇当Graphviz用于回归时, value
字段在决策树的节点中是什么 . 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,但我不确定它对回归意味着什么 .
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)
谢谢!
1 回答
回归树实际上作为输出返回的是训练样本的因变量(此处为Y)的平均值,其最终在各个终端节点(叶子)中;这些平均值显示为图片中名为
value
的列表,这里的长度均为10,因为您的Y是10维的 .换句话说,并使用树的最左端节点(叶)作为示例:
叶子由42个样本组成,其中
X[0] <= 0.675
和X[1] <= 0.5
这42个样本的10维输出的平均值在此假期的
value
列表中给出,确实长度为10,即Y[0]
的平均值为-152007.382
,Y[1]
的平均值为-206040.675
等等Y[9]
是3211.487
.您可以通过预测一些样本(来自您的训练或测试集 - 无关紧要)并检查您的10维结果是上面的终端中描述的4个
value
列表之一来确认这种情况 .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2个终端节点(叶子)的第一个元素,我们得到:即其父节点的
value[0]
元素(中间级别中最左边的节点) . 再举一个例子,这次是2个中间节点的第一个value
元素:这再次与您的根节点的
-0.0
第一个value
元素一致 .从您的根节点的
value
列表判断,您的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,作为最终确认 .总结一下:
每个节点的
value
列表包含相应节点的训练样本"belonging"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(即输出将始终是这些列表中的一个,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