graphviz可以显示一个热门的解码分类数据吗？

Posted 2021-03-29

我试图让Graphviz显示我的oneHotEncoded分类数据，但我无法让它工作。

这是我的X数据与theses列：

类别，大小，类型，评级，类型，版本数量

['ART_AND_DESIGN''6000000+''免费''每个人''艺术与设计''7'] ['ART_AND_DESIGN''6000000+''免费''每个人''艺术与设计''2'] ... ['FAMILY''20000000+''免费''每个人''艺术与设计''13']

我的代码示例：

X = self.df.drop(['Installs'], axis=1).values
y = self.df['Installs'].values

self.oheFeatures = OneHotEncoder(categorical_features='all')
EncodedX = self.oheFeatures.fit_transform(X).toarray()

self.oheY = OneHotEncoder()
EncodedY = self.oheY.fit_transform(y.reshape(-1,1)).toarray()

self.X_train, self.X_test, self.y_train, self.y_test = train_test_split(EncodedX, EncodedY, test_size=0.25, random_state=33)

clf = DecisionTreeClassifier(criterion='entropy', min_samples_leaf=100)
clf.fit(self.X_train, self.y_train)

tree.export_graphviz(clf, out_file=None, 
            feature_names=self.oheFeatures.get_feature_names(),
            class_names=self.oheY.get_feature_names(),
            filled=True, 
            rounded=True,  
            special_characters=True)  

Dot_data = tree.export_graphviz(clf, out_file=None) 
    graph = graphviz.Source(dot_data) 
    graph.render("applications") 

但是当我尝试可视化输出结果时，我得到了编码数据的决策树：

有没有办法让graphviz显示“解码”数据？

谢谢！

答案

您似乎期望这里有一些（相对简单的）编程方法或解决方法，而这远非如此，问题实际上比简单的Graphviz可视化更深入。

你必须记住的是：

• 您的树不会“知道”任何有关任何解码数据的信息;就它而言，唯一的实际数据是单热编码数据
• Graphviz只是简单地显示树结构

鉴于上述情况，您可能会看到，虽然您的请求听起来确实有意义，并且从服务树解释的“业务”角度理解为所需的功能（毕竟，树模型的一大优势应该是从编程的角度来看，这个问题非常简单（SO实际上都是关于这个问题）：它甚至与Graphviz没有任何关系 - 即使我们想要打印树，问题也会增加以规则的形式，它与scikit-learn为树木建造所做的设计选择有关。

我承认，当我第一次听到这个消息时，我惊讶地发现scikit-learn中的决策树不能直接处理分类变量（参见Can sklearn DecisionTreeClassifier truly work with categorical data?中的讨论以及关于该主题的仍然开放的Github issue）。我之所以感到惊讶的原因是，我知道这肯定不是唯一可用的设计选择：我来自R背景，而且我知道在R中完全可以使用具有分类特征的树木而不需要一个 - 热编码;这是一个example：

但唉，这至少暂时不适用于scikit-learn（我非常怀疑它会改变）......