我已经使用sklearn.tree.DecisionTreeRegressor预测了一个回归问题,该问题有两个独立变量,即特征“X”、“Y”和预测的可靠变量“Z”。
当我绘制这棵树时,树叶似乎与分类树没有太大区别。结果不是每个叶的函数,而是每个叶的单个值,就像在分类中一样
有人能解释一下,为什么这叫做回归,为什么它不同于分类树
因为我似乎误解了sklearn类,所以有没有python的树包,它执行“真正的”回归,并且在每个叶上都有一个函数作为输出?对于X,Y和Z,这可能是每片叶子上的某种表面
Tags:
对于搜索我正在搜索的内容的任何人:
有线性/对数/的组合。。。带有决策树的回归模型,称为“模型树”。不幸的是,它没有包含在任何免费的python包中,但是如果你用谷歌搜索的话,github上有一些实现。它也应该很快在scikit learn中提供。 模型树与M5算法相似
这是意料之中的。每个叶的输出不是函数,而是单个值,表示该叶中所有实例的预测数值(因此回归)输出。输出是一个“函数”,即根据您将在哪个叶中着陆而获得不同的值。分类树中的单词完全相同,但输出值表示类别概率,而不是Z的预测值
换句话说,回归输出映射到任意值的函数,但并没有规定该函数必须是连续的。对于树木,其功能更像是一个“阶梯”
相关问题 更多 >
编程相关推荐