我希望看到使用scikit learn中的任何集成方法(gradientboosting regressor、random forest regressor、bagging regressor)构建的回归树。 I've looked at this question接近,this question 它处理分类器树。但这些问题需要“树”方法,而SKLearn中的回归模型不具备这种方法。
但似乎没有结果。
我遇到了问题,因为这些树的回归版本没有.tree
方法(该方法只存在于分类版本)。
我想要一个类似this的输出,但是基于sci工具包的学习构造树。
我已经探索了与对象相关联的方法,但无法给出答案。
经过多次搜索,我发现Turi提供的软件可以对a回归树进行建模,而不必与a决策树混淆。 Hope this helps
就其价值而言,回归树如下所示:
决策/分类器树如下所示:
尽管它们看起来是一样的,但是创建它所需的属性是
tree_
,它只对classifiers可用,而不是regressors。正如我所评论的,分类和回归决策树图之间没有函数差异。改编docs中的回归玩具示例:
然后,类似地,分类docs中关于
graphviz
的一些代码:最后我们得到了一个文件
tree.dot
,如下所示:现在,您可以继续将其可视化,如文档中所示—但是如果由于任何原因无法呈现Graphviz对象,则可以使用方便的服务WebGraphviz(1到链接问题中的relevant answer),结果如下:
你自己的答案,也就是一直安装
graphlab
只是为了可视化,听起来有点过头了。。。最后一点:不要被树布局的表面差异所欺骗,树布局只反映了各个可视化包的设计选择;您绘制的回归树(不可否认,它看起来不像一个树)在结构上与从文档中提取的分类相似-简单地想象一下一个自上而下的树,顶部是
odor
节点,后面是绿色节点,最后是蓝色和橙色节点(将“yes/no”替换为“True/False”)。。。相关问题 更多 >
编程相关推荐