Python :理解分类变量的d树输出

Question

我在学习Python Scikit-学习。

我最近在一个问题集中实现了d-tree。数据集具有所有的分类特性，与R不同，Python需要对分类变量进行虚拟编码。

我使用以下代码对所有分类变量执行虚拟编码：

col_names =['city_name','signup_os','signup_channel']
df_with_dummies = pd.get_dummies(df2, columns = col_names)

虚拟编码根据每个列的因素数创建新列，然后用0和1替换值：

​

​

我已经在这个新的dataframe上创建了一个d-tree算法，但让我感到困惑的是输出。

d-tree方法能够为虚拟编码列提供.5的节点值：

​

​

如何解释输出？价值sign_up_os_windows <=.5的意义是什么？我应该如何将它转换回原始变量？

请帮我拿你的资料。

Answer 1

• DT分类器将二进制分类变量表示为浮点0.5并不是一个问题。条件signup_os_ios_web <= 0.5与signup_os_ios_web == 0.0相同；
• 该算法不会在内部转换输入。

让我假设表示'NO‘，1状态为'YES’。考虑在您的情况下，第一个节点指示给signup_os_ios_web

• 如果答案是'NO‘(signup_os_ios_web <= 0.5，因此等于0)，那么它将继续到它的子节点，特别是Eagerness；
• 如果后者也是'NO'，那么算法会下降到树下，到达您的signup_os_windows二进制虚拟.诸若此类。

将0.5看作是和1之间的一个简单的中等阈值或中心，它基本上将“是”和“否”划分为两种可能甚至发生的情况。

示例

让我们看一下由22个样品组成的缩短的钛数据集。X看起来如下所示：

Indexer          (0)  (1)    (2)      (3)
PassengerID    Pclass Sex    Age      Fare
1                 3    1    22.00    7.2500
2                 1    0    38.00   71.2833
3                 3    0    26.00    7.9250
4                 1    0    35.00   53.1000
5                 3    1    35.00    8.0500

如您所见，Sex列是一个二进制分类变量，索引等于1。

y是一个数组，表示一个人是否幸存。如果我们打印出前5个样本，我们将收到：

数组( 0，0，0，0，0)

这意味着从这个变量中取出的前5个人无法成功。

好的，在我们安装了DT分类器之后，我们可以用它创建一个图表来更彻底地查看树结构(我使用了export_graphviz来实现这一点)：

​

​

第一个节点表示给定样本的性别，索引1与上面所示的名为Sex的列相关。列PassengerID只是X数据的索引器。

您还可以看到，该条件与您的条件相似，因为阈值等于0.5。你可以将其解读为：

如果性别是女性(如果Sex <= 0.5使其自动等于0)，则继续到左侧节点。

我希望这能澄清。