在决策树中为每个数据点查找相应的叶节点（scikit-learn）-Java 学习之路

我正在使用python 3.4中的scikit-learn包中的决策树分类器，我想为每个输入数据点获取相应的叶节点id .

例如，我的输入可能如下所示：

array([[ 5.1,  3.5,  1.4,  0.2],
       [ 4.9,  3. ,  1.4,  0.2],
       [ 4.7,  3.2,  1.3,  0.2]])

我们假设相应的叶节点分别为16,5和45 . 我希望我的输出是：

leaf_node_id = array([16, 5, 45])

我已经阅读了关于SF的scikit-learn邮件列表和相关问题，但我仍然无法使其工作 . 这是我在邮件列表中找到的一些提示，但仍然无效 .

http://sourceforge.net/p/scikit-learn/mailman/message/31728624/

在一天结束时，我只想要一个函数GetLeafNode（clf，X_valida），使其输出是相应叶节点的列表 . 下面是重现我收到的错误的代码 . 所以，任何建议都将非常感激 .

from sklearn.datasets import load_iris
from sklearn import tree

# load data and divide it to train and validation
iris = load_iris()

num_train = 100
X_train = iris.data[:num_train,:]
X_valida = iris.data[num_train:,:]

y_train = iris.target[:num_train]
y_valida = iris.target[num_train:]

# fit the decision tree using the train data set
clf = tree.DecisionTreeClassifier()
clf = clf.fit(X_train, y_train)

# Now I want to know the corresponding leaf node id for each of my training data point
clf.tree_.apply(X_train)

# This gives the error message below:
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-17-2ecc95213752> in <module>()
----> 1 clf.tree_.apply(X_train)

_tree.pyx in sklearn.tree._tree.Tree.apply (sklearn/tree/_tree.c:19595)()

ValueError: Buffer dtype mismatch, expected 'DTYPE_t' but got 'double'

2 回答

由于scikit-learn 0.17，您可以使用DecisionTree对象的 apply 方法来获取数据点在树中结束的叶子的索引 . 以neobot的答案为基础：

from sklearn.datasets import load_iris
from sklearn import tree

# load data and divide it to train and validation
iris = load_iris()

num_train = 100
X_train = iris.data[:num_train,:]
X_valida = iris.data[num_train:,:]

y_train = iris.target[:num_train]
y_valida = iris.target[num_train:]

# fit the decision tree using the train data set
clf = tree.DecisionTreeClassifier()
clf = clf.fit(X_train, y_train)

# Compute the leaf node id for each of my training data points
clf.apply(X_train)

产生输出

array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
       2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
       2, 2, 2, 2, 2, 2, 2, 2])

回复于 2024-05-04T14:41:19+08:00

我终于开始工作了 . 以下是基于我在scikit-learn邮件列表中的函数message的解决方案：

scikit-learn版本0.16.1之后，apply方法在 clf.tree_ 中实现，因此，我按照以下步骤操作：

更新scikit - 学习到最新版本（0.16.1），以便您可以使用 clf.tree_ 中的 apply 方法
使用以下命令将输入数据数组（ X_train ， X_valida ）从 float64 转换为 float32 ： X_train = X_train.astype('float32')
现在您可以这样使用 apply 方法： clf.tree_.apply(X_train) 并且您将获得每个数据点的叶节点ID .

这是最终的代码：

from sklearn.datasets import load_iris
from sklearn import tree

# load data and divide it to train and validation
iris = load_iris()

num_train = 100
X_train = iris.data[:num_train,:]
X_valida = iris.data[num_train:,:]

y_train = iris.target[:num_train]
y_valida = iris.target[num_train:]

# convert data to float32
X_train = X_train.astype('float32')

# fit the decision tree using the train data set
clf = tree.DecisionTreeClassifier()
clf = clf.fit(X_train, y_train)

# Now I want to know the corresponding leaf node id for each of my training data point
clf.tree_.apply(X_train)

# This gives the leaf node id:
array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
       2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
       2, 2, 2, 2, 2, 2, 2, 2])

回复于 2024-05-04T14:41:19+08:00