0

我想创建一个决策树，然后在 python 中修剪它。但是，sklearn 本身不支持剪枝。通过互联网搜索，我发现了这个： https ://github.com/sgenoud/scikit-learn/blob/4a75a4aaebd45e864e28cfca897121d1199e41d9/sklearn/tree/tree.py

但我不知道如何使用该文件。我试过了：

from sklearn.datasets import load_iris
import tree

clf = tree.DecisionTreeClassifier()
iris = load_iris()

clf = clf.fit(iris.data, iris.target)

但我收到错误 ValueError: Attempted relative import in non-package. 这不是我导入的方式吗？我需要以其他方式保存文件吗？谢谢你。

4

3 回答 3

1

Scikit-learn 0.22 版在 DecisionTreeClassifier 中引入了剪枝。一个名为的新超参数ccp_alpha可让您校准修剪量。请参阅此处的文档。

于 2020-01-05T07:53:15.500 回答
0

在 Python 中，模块（=其他语言中的包）通常定义相互依赖的例程。在这些情况下，您不能只下载一个 .py 文件并将其放入您的工作区（即您的源文件所在的目录）。相反，将整个包下载到该文件夹​​中，并相对导入，即这样：

# a general import, should only be used if you are absolutely certain that there will be no namespace conflicts
from sklearn.tree.tree import * 
# a more "safe" way is to import the classes/functions you need explicitely
from sklearn.tree.tree import DecisionTreeClassifier
于 2015-01-23T22:44:36.840 回答
0

如果你真的想在 2012 年使用sgenoud 的 7 年前的scikit-learngit clone分支，在 repo 的基本目录上，不要只是尝试复制/克隆单个文件（当然你会丢失任何自 2012 年以来的改进/修复；回到v 0.12）

但是这个想法听起来是错误的：您可以通过更改参数来获得较浅/修剪的树，以获得早期停止DecisionTreeClassifier参数 max_depth、min_samples、min_samples_leaf、min_impurity_decrease、min_impurity_split。请参阅文档并使用参数，它们会满足您的要求。我从事 ML 已有 10 年以上，从未见过需要破解 DT 源。有很多充分的理由不这样做，也没有充分的理由这样做。

（如果您尝试使用 DecisionTreeClassifier 参数但仍然无法获得您想要的东西，请使用开源数据集（如 iris 等）在此处发布可重现的代码示例。）

于 2019-10-05T02:20:58.443 回答