scikit-learn决策树回归：检索叶子的所有样本（不是平均值）

Posted 2023-03-12

【中文标题】scikit-learn决策树回归：检索叶子的所有样本（不是平均值）

【英文标题】：scikit-learn Decision trees Regression: retrieve all samples for leaf (not mean)

【发布时间】：2017-12-03 17:58:43

【问题描述】：

我已经开始使用 scikit-learn 决策树，到目前为止效果很好，但我需要做的一件事是检索叶节点的样本 Y 值集，尤其是在运行预测时。给定一个输入特征向量 X，我想知道叶节点处对应的 Y 值的集合，而不仅仅是作为这些值的平均值（或中值）的回归值。当然，人们希望样本均值有一个小的方差，但我确实想提取实际的 Y 值集并进行一些统计/创建 PDF。我用过这样的代码how to extract the decision rules from scikit-learn decision-tree? 要打印决策树，但“值”的输出是表示平均值的单个浮点数。我有一个大数据集，因此将叶子大小限制为例如100，我想访问这 100 个值...

【问题讨论】：

你需要这样的东西：scikit-learn.org/stable/auto_examples/tree/…

可以使用apply获取每个样本的叶子id； see here.

感谢您的回复。我对此进行了编码，并获得了与使用 graph_viz 导出树时显示的相同的平均值，这很好。然而，虽然紧凑，它似乎并不高效。实际上，我将数据拟合到一棵树中，每个叶节点最终都会得到一个样本子集。然后我再次遍历数据以记录它落入哪个叶节点，这样我就可以获得相应的目标。但是该数据应该已经存储在某个地方的叶节点中吗？它似乎并不慢，所以可能不值得担心重复。

不，在叶子中，只存储手段和计数。我认为，复制是可以的。

【参考方案1】：

另一种解决方案是使用 sklearn DecisionTreeRegressor 对象的（未记录的？）功能，即 .tree.impurity 它返回每片叶子的值的标准差

【讨论】：

虽然这可能是解决问题的宝贵提示，但一个好的答案也可以证明解决方案。请edit 提供示例代码来说明您的意思。或者，考虑将其写为评论。