DecisiontreeClassifier，为啥值的总和是错误的？

Posted 2023-03-12

【中文标题】DecisiontreeClassifier，为啥值的总和是错误的？

【英文标题】：DecisiontreeClassifier, why is the sum of values wrong?DecisiontreeClassifier，为什么值的总和是错误的？

【发布时间】：2021-06-23 03:20:09

【问题描述】：

我可视化了我的决策树分类器，我注意到样本总和错误或公式不同，“值”值与样本值不匹配（屏幕截图）？我是否误解了我的决策树？我想如果在我的节点中有 100 个样本并且 40 个是 True 而 60 个是 False，我会在我的下一个节点中得到 40 个（或 60 个）样本，这些样本再次被划分......

import matplotlib.pyplot as plt
from sklearn import tree
tree1=DecisionTreeClassifier(criterion="entropy",max_features=13,max_leaf_nodes=75,min_impurity_decrease=0.001,min_samples_leaf=12,min_samples_split=20,splitter="best",max_depth=9)

tree1.fit(X_train,y_train)
feature_names=Daten.drop("Abwanderung_LabelEncode",axis=1).columns
class_names=["Keine Abwanderung","Abwanderung"]
fig = plt.figure(figsize=(25,20))
_ = tree.plot_tree(tree1, 
               feature_names=feature_names,
               class_names=class_names,
               rounded=True,
               filled=True)

【参考方案1】：

情节是正确的。

value中的两个值不是去子节点的样本数；相反，它们是节点中的负类和正类计数。例如，748=101+647；该节点中有 748 个样本，其中 647 个是正类。子节点有685和63个样本，685+63=647。左孩子有47个负样本，右节点有54个，47+54=101，负样本总数。

【参考方案2】：

value 字段不代表拆分的大小，而是代表每个类有多少数据点。例如，顶部节点 voicemail_tarif_labelencode <= 0.5 的拆分有 748 个样本，101 个属于索引 0 的类，647 个属于索引 1 的类。它确实不显示数据点的数量 0.5。如果您现在查看接下来的两个节点，这些样本大小的总和 (685 + 63) = 748，即父节点中的样本数。