scikit，分类列，决策树

Posted 2023-03-12

【中文标题】scikit，分类列，决策树

【英文标题】：scikit, catagorical columns, decision tree

【发布时间】：2016-05-31 16:56:46

【问题描述】：

我确实找到了关于 scikit 分类变量的线索。但我找不到一个简单的答案。我确实意识到在构建决策树时，sklearn 会针对分类数据出错，并且有针对 Vectorizer 等的建议。我尝试了所有东西，但我无法创建决策树。我的表有很多带有字符串的列，我尝试了矢量化器、多标签二进制化器等。似乎没什么用。我无法 export_graphviz 并显示树，因为根本没有树。我对此很陌生。 我真诚地请求帮助我了解如何处理这些列。我将数据拆分为 80-20 以进行训练和测试。然后我正在尝试建立一棵树。只是一段快速的代码：

  dtree=DecisionTreeClassifier(random_state=0)
  mlb = preprocessing.MultiLabelBinarizer()
  n_train = mlb.fit_transform(train)
  n_test = mlb.transform(test) 
  dec_tree=dtree.fit(n_train,n_test)

我确实得到了这个答案，但我很困惑：

  DecisionTreeClassifier(class_weight=None, criterion='gini',  
        max_depth=None,
        max_features=None, max_leaf_nodes=None, min_samples_leaf=1,
        min_samples_split=2, min_weight_fraction_leaf=0.0,
        random_state=0, splitter='best')

请告知如何进行。

【参考方案1】：

为了使分类器可以使用您的分类变量，一种可能性是使用来自 scikit-learn 的OneHodEncoder。

您应该注意，没有变量的级别出现次数太少。如果您不想或无法手动检查，请使用VarianceThreshold 变量方差的阈值。

---

如果您使用 pandas 的其他可能性 DataFrame 作为结构，pandas.get_dummies(DataFrame["variable"]) 将为您构建虚拟变量。

【讨论】：

谢谢@MathieuB，作为快速修复，我将整数值分配给字符串类。我会尝试你的建议，如果我有进一步的疑问，我会尽快通知你。再次感谢！

@Arvin 不客气。如果有用，请不要忘记接受答案并点赞；）

@Mathieu B 很抱歉，我现在没有足够的声望点来投票：D。

【参考方案2】：

尝试this 对您的功能进行编码。您应该使用您的标签（您想要预测的列）作为 dtree.fit() 函数中的第二个参数，但您使用您的测试数据作为第二个参数。 检查this以了解正确使用DecisionTreeClassifier拟合函数的方法