如何手動創建 scikit-learn 樹？

Question

為了測試一些代碼，我希望能夠手動創建一個 sklearn.tree._tree.Tree，而不是通過擬合一些數據。

為了具體起見，假設我想要一棵樹，將實線中的點分類為間隔（-infinity, 5], (5,6] or (6,infinity)）。我想要樹的形狀像

----0----
|        |
|     ---2---
|     |      |
1     3      4

其中節點 0 在 5 處分割實線，節點 2 在 6 處分割實線。

這該怎么做？ 我看到樹有一個__setstate__方法，並且查看__getstate__的輸出，看起來我需要類似的東西

state = {
        'n_features_': 1,
        'max_depth': 2,
        'node_count': 5,
        'nodes': np.array([(1 ,   2,  0,  5., 0.375, 3, 3.),
                           (-1,  -1,  0, -2., 0.   , 1, 1.),
                           (3 ,   4,  0,  6., 0.,  , 2, 2.),
                           (-1,  -1,  0, -2., 0.,  , 1, 1.),
                           (-1,  -1,  0, -2., 0.,  , 1, 1.),
                           ],
                          dtype=[('left_child', '<i8'), ('right_child', '<i8'), ('feature', '<i8'),('threshold', '<f8'), ('impurity', '<f8'), ('n_node_samples', '<i8'), ('weighted_n_node_samples', '<f8')]),
}

但是我真的不明白這些參數是什么意思，無論如何我一開始都不知道如何用這種狀態初始化一棵樹。

Answer 1

經過幾個小時的嘗試手動更改節點。 我找到了解決方案。 確實，你是對的。 通過使用setstate，您可以進行樹定制。 “節點”鍵必須如下：

• numpy 元組數組
• 每個元組必須如下所示：(left_child[i], right_child[i], feature[i], threshold[i], impurity[i], n_node_samples[i], weighted_n_node_samples[i])

-1（左/右孩子）和 -2（特征）代表葉子。

訓練分類器時，您將擁有另一個鍵：“值”。