目前我的代码如下所示：
clf = RandomForestClassifier(n_estimators=10, criterion='entropy')
clf = clf.fit(X, Y)
然而 X 是一个数组，如：
X = [[0, 1], [1, 1]]
我更喜欢像这样使用 X：
X = [{'avg': 0, 'stddev': 1}, {'avg': 1, 'stddev': 1}]
仅仅因为在阅读时绘制一棵树（如此处所述：http: //scikit-learn.org/stable/modules/tree.html#classification）X[0]['avg']比X[0][0]. 可能吗？使用字典或熊猫？
您可以使用DictVectorizer类将这样的字典列表转换为稀疏矩阵或密集的 numpy 数组。
scikit-learn 永远不会使用 dict 对象作为内部存储记录的主要数据结构，因为与 numpy 数组或 scipy 稀疏矩阵相比，这根本没有内存效率。
这是 'larsmans' 的一个很好的例子，它介绍了如何在数据上拟合模型之前构建特征字典和使用 DictVectorizer。请注意，DictVectorizer 类默认使用 scipy.sparse 矩阵（而不是 numpy.ndarray）来使生成的数据结构能够适合内存。由于并非所有 sklearn 学习模型都支持稀疏矩阵，因此您可能希望在构造函数中使用 sparse=False 选项来获得密集数组
dv = DictVectorizer(sparse=False)
或者，您可以在使用export_graphviz. 这将在测试节点生成具有更有意义标签的树。
请参阅http://scikit-learn.org/dev/modules/generated/sklearn.tree.export_graphviz.html#sklearn.tree.export_graphvizfeature_names中的参数