導入錯誤：無法從“sklearn.tree”導入名稱“tree”

Question

我已經是第二次重修 Python 的第二天了！ 我正在使用以下代碼在 Python 中編寫關於 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)

我不斷收到以下錯誤：

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)

我試圖在網上找到一個解決方案，但我不認為它是 Python/Anaconda 的版本，因為我實際上只是安裝了兩者。 我也不認為這是sklearn.tree ，因為我能夠導入DecisionClassifer 。

Answer 1

正如這個答案所示，您正在查看一些較舊的代碼； 這始終是編程的風險。 但是，您還需要了解有關代碼的另一件事。

首先， scikit-learn包含幾個模塊，你需要的幾乎所有東西都在其中一個中。 根據我的經驗，大多數人會導入這樣的東西：

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.

看起來教程需要類似於plot_tree()的東西。 這個新功能比舊的 Graphviz 可視化更容易使用。 因此，除非您出於某些原因確實需要 DOT 文件，否則您應該可以這樣做：

from sklearn.tree import plot_tree

sklearn.tree.plot_tree(model)

底線：該材料中可能會有更多破碎的東西。 因此，如果我是您，我要么使用與您正在使用的任何材料相匹配的sklearn版本創建一個新環境……要么放棄該材料並尋找更新的東西。

Answer 2

from sklearn.tree import tree看起來不對。 你的意思是from sklearn import tree ？

Answer 3

根據官方Scikit Learn 決策樹文檔，您真的不需要太多的導入。

它可以簡單地完成如下：

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)