首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >等价于predict_proba的DecisionTreeRegressor

等价于predict_proba的DecisionTreeRegressor
EN

Stack Overflow用户
提问于 2018-12-03 02:55:20
回答 2查看 4.7K关注 0票数 3

DecisionTreeClassifier支持通过predict_proba()函数预测每个类的概率。这在DecisionTreeRegressor中是没有的

AttributeError: DecisionTreeRegressor对象没有属性“predict_proba”

我的理解是,决策树分类器和回归器之间的基本机制非常相似,主要的区别是,来自回归者的预测是作为潜在的leafs的手段计算出来的。因此,我希望有可能提取每个值的概率。

还有其他方法来模拟这种情况,例如,通过处理树结构吗?代码 for DecisionTreeClassifier's predict_proba不能直接转让。

EN

回答 2

Stack Overflow用户

回答已采纳

发布于 2018-12-03 20:07:29

该函数对来自赫尔潘德的回答的代码进行了调整,以提供每个结果的概率:

代码语言:javascript
复制
from sklearn.tree import DecisionTreeRegressor
import pandas as pd

def decision_tree_regressor_predict_proba(X_train, y_train, X_test, **kwargs):
    """Trains DecisionTreeRegressor model and predicts probabilities of each y.

    Args:
        X_train: Training features.
        y_train: Training labels.
        X_test: New data to predict on.
        **kwargs: Other arguments passed to DecisionTreeRegressor.

    Returns:
        DataFrame with columns for record_id (row of X_test), y 
        (predicted value), and prob (of that y value).
        The sum of prob equals 1 for each record_id.
    """
    # Train model.
    m = DecisionTreeRegressor(**kwargs).fit(X_train, y_train)
    # Get y values corresponding to each node.
    node_ys = pd.DataFrame({'node_id': m.apply(X_train), 'y': y_train})
    # Calculate probability as 1 / number of y values per node.
    node_ys['prob'] = 1 / node_ys.groupby(node_ys.node_id).transform('count')
    # Aggregate per node-y, in case of multiple training records with the same y.
    node_ys_dedup = node_ys.groupby(['node_id', 'y']).prob.sum().to_frame()\
        .reset_index()
    # Extract predicted leaf node for each new observation.
    leaf = pd.DataFrame(m.decision_path(X_test).toarray()).apply(
        lambda x:x.to_numpy().nonzero()[0].max(), axis=1).to_frame(
            name='node_id')
    leaf['record_id'] = leaf.index
    # Merge with y values and drop node_id.
    return leaf.merge(node_ys_dedup, on='node_id').drop(
        'node_id', axis=1).sort_values(['record_id', 'y'])

示例(参见这个笔记本):

代码语言:javascript
复制
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
X, y = load_boston(True)
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)
# Works better with min_samples_leaf > 1.
res = decision_tree_regressor_predict_proba(X_train, y_train, X_test,
                                            random_state=0, min_samples_leaf=5)
res[res.record_id == 2]
#      record_id       y        prob
#   25         2    20.6    0.166667
#   26         2    22.3    0.166667
#   27         2    22.7    0.166667
#   28         2    23.8    0.333333
#   29         2    25.0    0.166667
票数 3
EN

Stack Overflow用户

发布于 2018-12-03 11:24:17

您可以将数据从树结构中提取出来:

代码语言:javascript
复制
import sklearn
import numpy as np
import graphviz
from sklearn.tree import DecisionTreeRegressor, DecisionTreeClassifier
from sklearn.datasets import make_regression

# Generate a simple dataset
X, y = make_regression(n_features=2, n_informative=2, random_state=0)
clf = DecisionTreeRegressor(random_state=0, max_depth=2)
clf.fit(X, y)
# Visualize the tree
graphviz.Source(sklearn.tree.export_graphviz(clf)).view()

代码语言:javascript
复制
>>> clf.predict(X[:5])

0     184.005667
1      53.017289
2     184.005667
3     -20.603498
4     -97.414461

如果调用clf.apply(X),您将得到一个实例所属的节点id:

代码语言:javascript
复制
array([6, 5, 6, 3, 2, 5, 5, 3, 6, ... 5, 5, 6, 3, 2, 2, 5, 2, 2], dtype=int64)

将其与目标变量合并:

代码语言:javascript
复制
df = pd.DataFrame(np.vstack([y, clf.apply(X)]), index=['y','node_id']).T
    y           node_id
0   190.370562  6.0
1   13.339570   5.0
2   141.772669  6.0
3   -3.069627   3.0
4   -26.062465  2.0
5   54.922541   5.0
6   25.952881   5.0
       ...

现在,如果您在node_id上做了一个groupby,后面跟着clf.predict(X),您将得到与clf.predict(X)相同的值

代码语言:javascript
复制
>>> df.groupby('node_id').mean()
                 y
node_id     
2.0     -97.414461
3.0     -20.603498
5.0     53.017289
6.0     184.005667

在我们的树上,叶子的value是:

代码语言:javascript
复制
>>> clf.tree_.value[6]
array([[184.00566679]])

要获得新数据集的节点ids,需要调用

clf.decision_path(X[:5]).toarray()

它显示了这样一个数组

代码语言:javascript
复制
array([[1, 0, 0, 0, 1, 0, 1],
       [1, 0, 0, 0, 1, 1, 0],
       [1, 0, 0, 0, 1, 0, 1],
       [1, 1, 0, 1, 0, 0, 0],
       [1, 1, 1, 0, 0, 0, 0]], dtype=int64)

需要得到最后一个非零元素(即叶)。

代码语言:javascript
复制
>>> pd.DataFrame(clf.decision_path(X[:5]).toarray()).apply(lambda x:x.nonzero()[0].max(), axis=1)
0    6
1    5
2    6
3    3
4    2
dtype: int64

所以,如果你不想预测中值,而是想要预测中值,你就会做

代码语言:javascript
复制
>>> pd.DataFrame(clf.decision_path(X[:5]).toarray()).apply(lambda x: x.nonzero()[0].max(
    ), axis=1).to_frame(name='node_id').join(df.groupby('node_id').median(), on='node_id')['y']
0    181.381106
1     54.053170
2    181.381106
3    -28.591188
4    -93.891889
票数 2
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/53586860

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档