导入错误:无法从“sklearn.tree”导入名称“tree”

Question

我是在第二天的第二天重新服用Python，这是我的第一百万次！我正在用Python编写一个关于ML的教程，使用以下代码：

import sklearn.tree
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.tree import tree

music_data = pd.read_csv('music.csv')
x = music_data.drop(columns=['genre'])
y = music_data['genre']

model = DecisionTreeClassifier()
model.fit(x,y)

tree.export_graphviz(model, out_file='music-recommender.dot',
                feature_names=['age','gender'],
                class_names= sorted(y.unique()),
                label='all',
                rounded=True,
                filled=True)

我一直收到以下错误：

ImportError                               Traceback (most recent call last)
 ~\AppData\Local\Temp/ipykernel_13088/3820271611.py in <module>
      2 import pandas as pd
      3 from sklearn.tree import DecisionTreeClassifier
----> 4 from sklearn.tree import tree
      5 
      6 music_data = pd.read_csv('music.csv')

ImportError: cannot import name 'tree' from 'sklearn.tree' (C:\Anaconda\lib\site-packages\sklearn\tree\__init__.py)

我试图在网上找到一个解决方案，但我不认为它是Python/Anaconda的版本，因为我实际上已经安装了这两个版本。我也不认为这是sklearn.tree，因为我能够导入DecisionClassifer。

Answer 1

正如这个答案所指出的，您正在查看一些较旧的代码；这始终是编程的一个风险。但是关于你的代码还有一件事你需要知道。

首先，scikit-learn包含几个模块，您需要的几乎所有东西都在其中一个模块中。根据我的经验，大多数人都会导入这样的东西：

from sklearn.tree import DecisionTreeRegressor   # A regressor class.
from sklearn.tree import plot_tree               # A helpful function.
from sklearn.metrics import mean_squared_error   # An evaluation function.

看起来，本教程需要类似于plot_tree()的内容。这个新的ish函数比以前的Graphviz可视化更容易使用.因此，除非您出于某些原因真正需要DOT文件，否则您应该能够这样做：

from sklearn.tree import plot_tree

sklearn.tree.plot_tree(model)

底线:可能会有更多的破碎的东西在材料中。因此，如果我是你，我要么创造一个新的环境与一个版本的sklearn匹配，无论你使用的材料.或者抛弃那些材料去寻找新的东西。

Answer 2

from sklearn.tree import tree看上去不对。你是说from sklearn import tree吗？

Answer 3

根据官方的Scikit学习决策树文档，你真的不需要太多的进口。

这可以简单地按以下方式进行：

from sklearn import tree
import pandas as pd

music_data = pd.read_csv('music.csv')
X = music_data.drop(columns=['genre'])
y = music_data['genre']
model = tree.DecisionTreeClassifier()
model.fit(X,y)