30
4
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!
1 Câu trả lời
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 Đặt thành 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_splitsVàn_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.
Đối vớimax_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/
30
4
0
我知道有几个类似的问题被问到，但我的问题仍然没有得到解答。 问题来了。我使用命令 python3 -m pip3 install -U scikit-learn 来安装 sklearn、numpy 和
_train_weather.values : [[ 0.61818182 0.81645199 0.6679803 ..., 0. 0. 1.
如果我有一个数据集X及其标签Y，那么我将其分为训练集和测试集，scle为0.2，并使用随机种子进行洗牌: 11 >>>X.shape (10000, 50,50) train_data, test_d
首先我查看了所有相关问题。给出了非常相似的问题。 所以我遵循了链接中的建议，但没有一个对我有用。 Data Conversion Error while applying a function to
这里有两种标准化方法: 1:这个在数据预处理中使用:sklearn.preprocessing.normalize(X,norm='l2') 2:分类方法中使用另一种方法:sklearn.svm.Li
所以刚看了一个教程，作者不需要import sklearn使用时 predict anaconda 环境中pickled 模型的功能(安装了sklearn)。 我试图在 Google Colab 中重
我想评估我的机器学习模型。我使用 roc_auc_score() 计算了 ROC 曲线下的面积，并使用 sklearn 的 plot_roc_curve() 函数绘制了 ROC 曲线。在第二个函数中，
我一直在寻找此信息，但在任何地方都找不到，所以这是我的镜头。 我是Python 2.7的初学者，我学习了一个模型，感谢cPickle我保存了它，但现在我想知道是否可以从另一个设备(没有sklearn库
>>> import sklearn.model_selection.train_test_split Traceback (most recent call last): File "", li
在阅读有关使用 python 的 LinearDiscriminantAnalysis 的过程中，我有两种不同的方法来实现它，可在此处获得， http://scikit-learn.org/stabl
我正在使用 sklearn，我注意到 sklearn.metrics.plot_confusion_matrix 的参数和 sklearn.metrics.confusion_matrix不一致。 p
我正在构建一个多标签文本分类程序，我正在尝试使用 OneVsRestClassifier+XGBClassifier 对文本进行分类。最初，我使用 Sklearn 的 Tf-Idf 矢量化来矢量化文本
我想看看模型是否收敛于我的交叉验证。我如何增加或减少 sklearn.svm.SVC 中的时代？ 目前: SVM_Model = SVC(gamma='auto') SVM_Model.fit(X_t
有人可以帮助我吗？我很难知道它们之间的区别 from sklearn.model_selection import train_test_split from sklearn.cross_valida
我需要提取在 sklearn.ensemble.BaggingClassifier 中训练的每个模型的概率。这样做的原因是为了估计 XGBoostClassifier 模型的不确定性。 为此，我创建了
无法使用 scikit-learn 0.19.1 导入 sklearn.qda 和 sklearn.lda 我得到: 导入错误:没有名为“sklearn.qda”的模块 导入错误:没有名为“sklea
我正在尝试在 google cloud ai 平台上创建一个版本，但找不到 impute 模块 No module named 'sklearn.impute._base; 'sklearn.impu
我在 PyQt5 中编写了一个 GUI，其中包括以下行 from sklearn.ensemble import RandomForestClassifier 。 遵循this answer中的建议，
我正在做一个 Kaggle 比赛，需要输入一些缺失的数据。我安装了最新的Anaconda(4.5.4)具有所有相关依赖项(即 scikit-learn (0.19.1) )。 当我尝试导入模块时，出现
在安装了所需的模块后，我正在尝试将imblearn导入到我的Python笔记本中。但是，我收到以下错误：。。附加信息：我使用的是一个用Visual Studio代码编写的虚拟环境。。我已经确定venv
Trung tâm cá nhân
Bài viết phát hành
từ bỏ
Tôi là một lập trình viên xuất sắc, rất giỏi!