我使用“fitctree”函数(链接:https://de.mathworks.com/help/stats/classificationtree-class.html)在 Matlab 中开发了一个决策树(集成)。
现在我想在 python 中重建相同的整体。因此,我将 sklearn 库与“DecisionTreeClassifier”(链接:http://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html)一起使用。
在 Matlab 中,我通过设置定义了每棵树的最大 split 量: 'MaxNumSplits' - “fitctree”函数中决策 split 的最大数量。 因此,可以定义分支节点的数量。
现在,据我了解“DecisionTreeClassifier”对象的属性,没有这样的选项。我对吗?我发现控制每棵树中节点数量的全部是“max_leaf_nodes”,它显然控制叶节点的数量。
其次:“max_depth”究竟控制什么?如果不是“无”,整数“max_depth = int”代表什么?
感谢您的帮助和建议。谢谢!
最佳答案
据我所知,在 scikit-learn 中没有限制拆分(节点)总数的选项。但是,您可以将 max_leaf_nodes
设置为 MaxNumSplits + 1
,结果应该是等效的。
假设我们的树有 n_split
个 split 节点和 n_leaf
个叶节点。如果我们 split 一个叶节点,我们将它变成一个 split 节点并添加两个新的叶节点。所以n_splits
和n_leafs
都增加1。我们通常只从根节点开始(n_splits=0
, n_leafs=1
) 并且每次拆分都会增加两个数字。因此,叶节点数始终为 n_leafs == n_splits + 1
。
至于max_depth
;深度是树有多少“层”。换句话说,深度是根节点和最远叶节点之间的最大节点数。 max_depth
参数限制了这个深度。如果节点在树的下方太远,它可以防止节点进一步 split 。 (您可以将 max_depth
视为在做出决定之前对拆分次数的限制。)
关于python - 确定 sklearn 决策树中的 split 量,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49672484/