[英]Is there any way to manually modify the thresholds set in the decision tree learnt from a given dataset?
我试图使用 scikit-learn 的模块tree
创建一个决策树模型。 生成模型后,我将树和决策所依据的标准可视化。 但是,我希望手动修改某些标准中的阈值,以查看相同的输出如何变化。 有什么方法可以这样做吗? 或者任何库一旦从数据集中学习到所需的阈值,就会将决策树转换为一堆 if-else 语句,反之亦然?
我知道模块选择的阈值基于一些杂质指标,如基尼杂质、信息增益等。但是,我仍然想用这些阈值进行试验。
谢谢!
是的,您可以轻松做到这一点。
sklearn
决策树通过tree_
属性公开其底层树。 除其他外,这个tree_
有一个属性threshold
,它是一个包含所有节点阈值的 numpy 数组。 您可以修改此数组,从而更改阈值。
例如:
X,y = load_breast_cancer(return_X_y=True)
dt = DecisionTreeClassifier(max_depth=3).fit(X,y)
print(dt.tree_.threshold) #All the thresholds, size equals "dt.tree_.node_count"
dt.tree_.threshold[3] = 10.0 #Manually modifying a threshold
为了验证,如果您在此修改之前和之后比较单独测试集的准确性(假设您修改了一个非叶节点),您应该注意到一个变化(这可能更糟)。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.