sklearn：从 IterativeImputer 打印 DecisionTreeRegressor 的树

Question

我有一个使用 DecisionTreeRegressor 作为估算器的 IterativeImputer，我想用 export_text 方法打印它的树：

import pandas as pd
from sklearn import tree
from sklearn.experimental import enable_iterative_imputer  # noqa
from sklearn.impute import IterativeImputer
from sklearn.tree import DecisionTreeRegressor

regressor = DecisionTreeRegressor(criterion="squared_error", 
                                  max_depth=None, 
                                  min_samples_split=2,
                                  min_samples_leaf=1, 
                                  random_state=0)
iterative_imputer = IterativeImputer(
    estimator=regressor,
    sample_posterior=False,
    max_iter=10,
    initial_strategy='mean',
    imputation_order='roman',
    verbose=2,
    random_state=0)
iterative_imputer.fit(df)
print(tree.export_text(iterative_imputer.estimator))

但我收到一个错误：

sklearn.exceptions.NotFittedError：此 DecisionTreeRegressor 实例尚未安装。 在使用此估算器之前，使用适当的参数调用“fit”。

我究竟做错了什么？

Answer 1

发生此错误是因为iterative_imputer.estimator对象在每次迭代中都适合之前被克隆。 这是所有其他估计量都来自的实例。

拟合后，估计量存储为imputation_sequence_属性下的_ImputerTriplet对象列表。 可以通过以下方式访问它们（ scikit-learn==1.2.0 ）：

import numpy as np
from sklearn.experimental import enable_iterative_imputer
from sklearn.impute import IterativeImputer
from sklearn.tree import DecisionTreeRegressor
from sklearn.tree import export_text

regressor = DecisionTreeRegressor(random_state=0)
iterative_imputer = IterativeImputer(
    estimator=regressor,
    max_iter=10,
    imputation_order='roman',
    random_state=0,
)

iterative_imputer.fit([[7, 2, 3], [4, np.nan, 6], [10, 5, 9]])

for _, _, estimator in iterative_imputer.imputation_sequence_:
    print(export_text(estimator))

|--- feature_1 <= 7.50
|   |--- feature_0 <= 2.75
|   |   |--- value: [7.00]
|   |--- feature_0 >  2.75
|   |   |--- value: [4.00]
|--- feature_1 >  7.50
|   |--- value: [10.00]

...

Answer 2

这是我会怎么做的：

从 sklearn.tree 导入 DecisionTreeRegressor 从 sklearn.impute 导入 IterativeImputer

##创建一个DecisionTreeRegressor对象estimator = DecisionTreeRegressor()

##使用 DecisionTreeRegressor 作为估计器创建一个 IterativeImputer 对象 imputer = IterativeImputer(estimator=estimator)

##Fit IterativeImputer 到你的数据 imputer.fit(X)

##打印用作 IterativeImputer print(estimator.export_text()) 估计器的 DecisionTreeRegressor 树

---

export_text 方法会将树输出为文本表示形式，然后您可以将其打印到控制台或保存到文件中。

请记住，IterativeImputer 使用 DecisionTreeRegressor 对象作为估计器来预测数据中的缺失值，并且由 DecisionTreeRegressor 生成的树与插补过程没有直接关系。