为啥在导出的决策树中只​​标记父节点的边缘

Posted 2023-03-12

【中文标题】为啥在导出的决策树中只​​标记父节点的边缘

【英文标题】：Why are only the parent node's edges labelled in exported Decision Tree为什么在导出的决策树中只​​标记父节点的边缘

【发布时间】：2018-11-18 10:37:25

【问题描述】：

我有一个训练有素的 DecisionTreeClassifier 实例，我实际上对底层决策树本身的谓词很感兴趣。所以我需要一种干净的方式来遍历这棵树。

因为获得可遍历表示的唯一官方方法是使用 scikit 的 export_graphviz 函数导出到 graphviz/dot 文件。之后，我可以使用例如解析和分析树的图形表示。 networkx 和 pydot 的组合。

但是……

我的特定点文件的内容如下：

digraph Tree 

node [shape=box] ;

0 [label="X[0] <= 15.0\ngini = 0.75\nsamples = 8\nvalue = [2, 2, 2, 2]"] ;

1 [label="X[1] <= 3.0\ngini = 0.5\nsamples = 4\nvalue = [2, 0, 2, 0]"] ;

0 -> 1 [labeldistance=2.5, labelangle=45, headlabel="True"] ;

2 [label="gini = 0.0\nsamples = 2\nvalue = [0, 0, 2, 0]"] ;

1 -> 2 ;

3 [label="gini = 0.0\nsamples = 2\nvalue = [2, 0, 0, 0]"] ;

1 -> 3 ;

4 [label="X[1] <= 3.0\ngini = 0.5\nsamples = 4\nvalue = [0, 2, 0, 2]"] ;

0 -> 4 [labeldistance=2.5, labelangle=-45, headlabel="False"] ;

5 [label="gini = 0.0\nsamples = 2\nvalue = [0, 0, 0, 2]"] ;

4 -> 5 ;

6 [label="gini = 0.0\nsamples = 2\nvalue = [0, 2, 0, 0]"] ;

4 -> 6 ;

所以这看起来一切都很好，但为什么只有连接到父节点的边正确地用布尔值标记？该图中的所有边不应该都附有适当的布尔标签/属性吗？？

或者，如果有一些奇怪的 graphviz/dot 约定可以帮助我区分后续的兄弟边，那么规则是什么？

我从 scikit 的 documentation on the decision tree classifier 中注意到，示例渲染的 graphviz 决策树实际上也缺少布尔标签。就我对决策树的了解而言，这遗漏了有关决策树的重要信息。还有什么我在这里遗漏的约定吗？例如。左边缘总是隐含地为真吗？由于它是垂直组织的，我如何从 dot 文件中分辨出来？

【问题讨论】：

我可以建议您删除graphviz 和dot 标签吗？ graphviz 只做它被告知的事情，只要源代码不包含边缘标签，它就不会显示任何东西，正如人们所期望的那样。

但是我为什么要删除更多的标签呢？标签包含我的树的实际相关元数据。如果有的话，我想要更多的标签，而不是更少:)

添加或删除，关键是如果您的代码生成应用程序不为您执行此操作，您将不得不手动执行此操作。 graphviz 遵循它得到的说明，你的问题在之前的水平上。

啊，好的。我现在明白你的意思了。但我只对点文件感兴趣，因为我认为这是获得树的（尽管是序列化的）表示的唯一官方方式。我并不关心最终用 graphviz 渲染我的树。我现在明白有一种不同的 Pythonic 方法可以从 DecisionTreeClassifier 中获取结构。是的，如果我真的想要，我现在可以自己将这些额外的布尔标签添加到点文件中。

【参考方案1】：

在偶然发现 scikit-learn 网站上的一个示例后，我意识到我不必解析导出的点文件来获取 Python 树结构来表示我构建的决策树。显然我可以使用DecisionTreeClassifier 实例的tree_ 属性，这是根据official API reference （一直在底部）的暴露属性，它有一个关于如何使用这个tree_ 对象@ 的文档示例987654322@.

然而，这很令人困惑——至少对我而言——显然这个树对象是作为DecisionTreeClassifier API 的一部分公开的，并且它有一个关于如何以特定方式使用它的文档示例，但没有正式的已发布其基础类sklearn.tree._tree.Tree 的文档。你只需要查看源代码。

关于点文件，我现在很确定它的唯一目的就是渲染决策树。在查看source code of export_graphviz 之后，这个结论得到了重申，我注意到它确实是硬编码的，只传递连接到父节点的边缘标签。 export_graphviz 正在使用DecisionTreeClassifier 的tree_ 属性。从这个属性的使用方式来看，我认为你可以安全地推断出它总是先写出“真”边，然后再写出任何节点的“假”边。恕我直言，这保证了功能请求允许在给定参数标志的情况下标记所有边缘。

【讨论】：

你有没有想过解决这个问题？

所以我基本上遵循了上面'here' link中举例说明的想法。 This *** post 还展示了做我想做的各种方式。但是当我第一次偶然发现那篇文章时，我想到了破解的解决方案。但显然这就是 scikit 暴露其树对象内部的方式。