如何在决策树中指定拆分?
我正在尝试训练决策树分类器，以使用scikit-learn提供的功能评估棒球运动员.但是，我想根据专家对我的想法的了解，事先“预先指定"或“强迫"某些分歧(无论如何，都需要合并).例如，我要基于> 0.300的击球平均值来强制进行拆分. 一个相关的问题是-我可以“预先加载"先前训练过的决策树模型，而仅在随后的训练中“更新"它吗?还是decisio树分类器每次运行时都需要重新学习所有规则?我想
..
decision-tree相关内容
Tidymodel包:R中的常规线性模型(glm)和决策树(袋装树，增强树和随机森林)模型
问题 我正在尝试使用R中的 Tidymodels软件包进行分析.我正在关注以下有关R中决策树学习的教程:- 教程 https://bcullen.rbind.io/post/2020-06-02-tidymodels-decision-tree-learning-in-r/ 我有一个名为FID的数据框()(见下文)，其中因变量是频率(数字)，而预测变量是:-年(数字)，月(
..
Python3:夏普树解释器:在"array_dealloc"中忽略了异常
我正在运行xgboost进行机器学习，并且在使用 XGBClassifier 成功完成机器学习之后，我想绘制结果图. 我的JSON格式输入数据的一个最小工作示例: [{“年龄":58，“已故":“假"，“性":“假"}，{“已故":“假"，“年龄":59，“性别":“假"}，{“性别":“假"，“年龄":"68"，“已故":“假"}，“已故":“假"，“年龄":"26"，“性别":“假
..
partykit:修改终端节点以包括标准偏差和回归变量的重要性
在使用 partykit :: mob()函数之后，我希望能够对显示的图进行个性化设置，以包括标准偏差和回归变量的统计显着性. 以下代码来自 partykit 文档. library("partykit")if(require("mlbench")){##皮马印第安人糖尿病数据数据("PimaIndiansDiabetes"，包="mlbench")##用于Logistic回归的简单基本
..
partykit:当包含不相等的回归者的名称长度时，在终端节点中证明文本的正确性
我正在尝试将终端节点的美学编辑为: 增大框的大小，以便在其中列出全名. 如果可能，在存在不相等的回归者名称长度的情况下，对内部文本进行对齐，以生成终端节点的表状视图. 在下面，我使用 gp 选项(fontsize = 10，boxwidth = 10)列出了我的尝试，但我怀疑自己使用的是错误的美学选项./p> mysummary 函数在 但是我想得到类似以下的内容:
..
随机森林树木生长算法
我正在做一个随机森林实现(用于分类)，并且我对文献中提到的树木生长算法有一些疑问. 训练决策树时，有2条准则来停止生长一棵树: 一种.当没有其他可用于拆分节点的功能时，请停止. b.当节点中所有属于同一类的样本都停止. 基于此， 1.考虑在森林里种一棵树.拆分树的节点时，我随机选择 M 个总特征中的 m ，然后从这些总特征中选择 m 功能我发现其中一项功能具有最大的信息获取能力.
..
在决策树中为每个数据点找到对应的叶节点(scikit-learn)
我正在使用python 3.4中scikit-learn包中的决策树分类器，我想为每个输入数据点获取对应的叶节点ID. 例如，我的输入可能像这样: array([[5.1，3.5，1.4，0.2]，[4.9，3.，1.4，0.2]，[4.7、3.2、1.3、0.2]]) ，并假设相应的叶节点分别为16、5和45.我希望输出为: leaf_node_id = array([16，5
..
决策树中特定类别的Sklearn决策规则
我正在创建决策树.我的数据属于以下类型 X1 | X2 | X3 | ..... X50 | Y_____________________________________1 | 5 | 7 | ..... 0 | 11.5 | 34 | 81 | ..... 0 | 14 | 21 | 21 | .... 1 | 065 | 34 | 23 | ..... 1 | 1 我正在尝试执行以下代
..
clf.tree_.feature的输出是什么?
我观察到scikit-learn clf.tree_.feature偶尔会返回负值.例如-2.据我了解，clf.tree_.feature应该返回功能的顺序.如果我们有特征名称数组 ['feature_one'，'feature_two'，'feature_three'] ，则-2表示 feature_two .我对负索引的使用感到惊讶.用索引1引用 feature_two 会更有意义.(-2是便
..
为什么用python编写的决策树代码与用R编写的代码预测不同?
我正在使用python和R中sklearn的load_iris数据集(在R中简称为“虹膜"). 我使用"gini"索引使用两种语言构建了模型，并且当直接从虹膜数据集中获取测试数据时，我能够正确地测试模型. 但是，如果我给出一个新的数据集作为测试输入，那么对于相同的python和R，它会将其分为不同的类别. 我不确定我在这里遗漏了什么或做错了什么，因此任何指导将不胜感激. 下
..
如何可视化sklearn GradientBoostingClassifier?
我已经训练了渐变提升分类器，我想使用显示在此处. 当我尝试时，我得到: AttributeError:"GradientBoostingClassifier"对象没有属性"tree_" 这是因为graphviz_exporter用于
..
决策树Sklearn-树的深度和准确性
我正在使用sklearn将决策树应用于数据集 在Sklearn中，有一个参数可以选择树的深度-dtree = DecisionTreeClassifier(max_depth = 10). 我的问题是max_depth参数如何对模型有所帮助.高/低max_depth如何帮助更准确地预测测试数据? 解决方案 max_depth 顾名思义:允许树生长的最大深度.允许的深度越深，模型
..
使用rpart的预测方法计算树的预测精度
我已经使用rpart为数据集构建了决策树. 然后，我将数据分为两部分-训练数据集和测试数据集.使用训练数据为数据集构建了一棵树.我想根据所创建的模型来计算预测的准确性. 我的代码如下所示: 库(rpart)#读取数据数据= read.table(“源")名称(数据)
..
R语言:将循环结果存储到表中
我正在使用R编程语言.我正在学习如何循环过程并将结果存储到表中.对于此示例，我首先生成了一些数据: #load库图书馆(插入符号)库(rpart)#生成数据一个= rnorm(1000，10，10)b = rnorm(1000、10、5)c = rnorm(1000、5、10)组
..
R:多类矩阵
我正在使用R编程语言.我正在尝试学习如何制作一个“混淆矩阵".用于多类变量(例如如何构造混淆多类变量的矩阵). 假设我生成了一些数据并拟合了决策树模型: #load库库(rpart)图书馆(插入符号)#生成数据一个
..
R:更改绘图大小
我正在使用R编程语言.我使用"rpart"运行了决策树函数.库: 库(rpart)z.auto
..
R:从函数获取规则
我正在使用R编程语言.我使用了"rpart"库并使用一些数据拟合决策树: 来自上一个问题的 #:https://stackoverflow.com/questions/65678552/r-changing-plot-sizes库(rpart)car.test.frame $ Reliability = as.factor(car.test.frame $ Reliability)z.auto
..
决策树与逻辑回归相结合
基本上我的问题与以下论文有关(仅阅读 1.Introduction 部分， 3.Precision模型结构和部分就足够了> 3.1决策树功能转换，其他所有内容都可以跳过) https://pdfs.semanticscholar.org/daf9/ed5dc6c6bad5367d7fd8561527da. 本文建议，与仅使用决策树或线性分类(不是同时使用二者)相比，在组合决策树+线性分
..
决策树分类器的准确性得分
import sys从class_vis导入prettyPicture从prep_terrain_data导入makeTerrainData从sklearn.tree导入DecisionTreeClassifier从sklearn.metrics导入precision_score将numpy导入为np导入pylab为plfeatures_train，labels_train，featureste
..
使用rpart决策树进行数据预测
我正在使用R对称为"d"的数据帧进行分类，其中包含如下结构的数据: 运行 predict 函数时，我还会收到以下警告: 警告消息:'newdata'有4行，但是找到的变量有576666行 我在哪里做错了?！ 解决方案 我认为问题是:您应该在预测代码中添加"type ='class'": 预测(fitTree，newdata，type ="class") 尝试以下代码.在此
..