导入错误：无法从“sklearn.tree”导入名称“tree”

Question

我已经是第二次重修 Python 的第二天了！ 我正在使用以下代码在 Python 中编写关于 ML 的教程：

import sklearn.tree
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.tree import tree

music_data = pd.read_csv('music.csv')
x = music_data.drop(columns=['genre'])
y = music_data['genre']

model = DecisionTreeClassifier()
model.fit(x,y)

tree.export_graphviz(model, out_file='music-recommender.dot',
                feature_names=['age','gender'],
                class_names= sorted(y.unique()),
                label='all',
                rounded=True,
                filled=True)

我不断收到以下错误：

ImportError                               Traceback (most recent call last)
 ~\AppData\Local\Temp/ipykernel_13088/3820271611.py in <module>
      2 import pandas as pd
      3 from sklearn.tree import DecisionTreeClassifier
----> 4 from sklearn.tree import tree
      5 
      6 music_data = pd.read_csv('music.csv')

ImportError: cannot import name 'tree' from 'sklearn.tree' (C:\Anaconda\lib\site-packages\sklearn\tree\__init__.py)

我试图在网上找到一个解决方案，但我不认为它是 Python/Anaconda 的版本，因为我实际上只是安装了两者。 我也不认为这是sklearn.tree ，因为我能够导入DecisionClassifer 。

Answer 1

正如这个答案所示，您正在查看一些较旧的代码； 这始终是编程的风险。 但是，您还需要了解有关代码的另一件事。

首先， scikit-learn包含几个模块，你需要的几乎所有东西都在其中一个中。 根据我的经验，大多数人会导入这样的东西：

from sklearn.tree import DecisionTreeRegressor   # A regressor class.
from sklearn.tree import plot_tree               # A helpful function.
from sklearn.metrics import mean_squared_error   # An evaluation function.

看起来教程需要类似于plot_tree()的东西。 这个新功能比旧的 Graphviz 可视化更容易使用。 因此，除非您出于某些原因确实需要 DOT 文件，否则您应该可以这样做：

from sklearn.tree import plot_tree

sklearn.tree.plot_tree(model)

底线：该材料中可能会有更多破碎的东西。 因此，如果我是您，我要么使用与您正在使用的任何材料相匹配的sklearn版本创建一个新环境……要么放弃该材料并寻找更新的东西。

Answer 2

from sklearn.tree import tree看起来不对。 你的意思是from sklearn import tree ？

Answer 3

根据官方Scikit Learn 决策树文档，您真的不需要太多的导入。

它可以简单地完成如下：

from sklearn import tree
import pandas as pd

music_data = pd.read_csv('music.csv')
X = music_data.drop(columns=['genre'])
y = music_data['genre']
model = tree.DecisionTreeClassifier()
model.fit(X,y)