python - 如何让Python决策树更容易理解？

Question

我有一个数据文件。数据的最后一列具有 +1 和 -1 区分变量。我还在单独的文件中提供了每列的 ID 名称。

例如

1 2 3 4 1
5 6 7 8 1
9 1 2 3 -1
4 5 6 7 -1
8 9 1 2 -1

对于每一列，我分别有 Q1、Q2、Q3、Q4、Q5 名称。

我想实现决策树分类器，所以我编写了以下代码:

import numpy
from sklearn import tree

print('Reading data from ' + fileName);
data = numpy.loadtxt(fileName);
print('Getting ids from ', idFile)
idArray = numpy.genfromtxt('cleanedID.csv', dtype='str')

print('Adding ids')
print('data dimensions: ', data.shape)
print('idArray dimensions: ', idArray.shape)
data = numpy.append(idArray, data, axis = 0)


y = data[:,-1]
x = data[:, 1:-1]

classifier = tree.DecisionTreeClassifier(max_depth = depth)
classifier = classifier.fit(x, y)

with open('graph.dot', 'w') as file:
    tree.export_graphviz(classifier, out_file = file)

file.close()

我使用 graphviz 将 .dot 文件转换为 .png 文件。

问题是决策树看起来像这样:

我不明白 X[number] 的含义。我搜索并发现 value = [5 0] 意味着类 5 有 0 个对象，类 0 有 5 个对象，但我只有 +1 和 -1 区分变量。无论如何，我是否可以调整这个决策树，以便我可以在决策 TreeMap 片中看到列名称(Q1、Q2、Q3...)，以便我能够理解这意味着什么？

谢谢

Answer 1

Value = [5 0]表示第一类有 5 名成员，第二类有 0 名成员。对于你来说，类(class)顺序可能是 [-1 1] .

关于列名:正如yangjie指出的，X[158]表示第 159 列(零索引)。该规则已经明确说明:X[168]<=1.5意味着对于给定的行，树根据第 168 列的值以及它与 1.5 的比较来决定是向左还是向右。

您可以使用 feature_names 添加列名称export_graphviz 的可选参数