Bagaimana untuk Mengeluarkan Peraturan Keputusan daripada scikit-learn Decision Trees?

Pengeluaran Peraturan Keputusan daripada scikit-learn Decision Trees

Pernyataan Masalah:

Bolehkah peraturan keputusan yang mendasari model pepohon keputusan terlatih diekstrak sebagai senarai teks?

Penyelesaian:

Menggunakan fungsi tree_to_code, adalah mungkin untuk menjana fungsi Python yang sah yang mewakili peraturan keputusan pepohon keputusan scikit-learn:

<code class="python">from sklearn.tree import _tree

def tree_to_code(tree, feature_names):
    tree_ = tree.tree_
    feature_name = [
        feature_names[i] if i != _tree.TREE_UNDEFINED else "undefined!"
        for i in tree_.feature
    ]
    print("def tree({}):".format(", ".join(feature_names)))

    def recurse(node, depth):
        indent = "  " * depth
        if tree_.feature[node] != _tree.TREE_UNDEFINED:
            name = feature_name[node]
            threshold = tree_.threshold[node]
            print("{}if {} <= {}:".format(indent, name, threshold))
            recurse(tree_.children_left[node], depth + 1)
            print("{}else:  # if {} > {}".format(indent, name, threshold))
            recurse(tree_.children_right[node], depth + 1)
        else:
            print("{}return {}".format(indent, tree_.value[node]))

    recurse(0, 1)</code>

Contoh:

Untuk pepohon keputusan yang cuba mengembalikan inputnya (nombor antara 0 dan 10), fungsi tree_to_code akan mencetak fungsi Python berikut:

<code class="python">def tree(f0):
  if f0 <= 6.0:
    if f0 <= 1.5:
      return [[ 0.]]
    else:  # if f0 > 1.5
      if f0 <= 4.5:
        if f0 <= 3.5:
          return [[ 3.]]
        else:  # if f0 > 3.5
          return [[ 4.]]
      else:  # if f0 > 4.5
        return [[ 5.]]
  else:  # if f0 > 6.0
    if f0 <= 8.5:
      if f0 <= 7.5:
        return [[ 7.]]
      else:  # if f0 > 7.5
        return [[ 8.]]
    else:  # if f0 > 8.5
      return [[ 9.]]</code>

Kaveat:

Elakkan isu biasa berikut:

• Jangan bergantung pada tree_.threshold == -2 untuk mengenal pasti nod daun; semak tree.feature atau tree.children_* sebaliknya.
• Nyatakan nama ciri dengan betul, elakkan integer yang mungkin sepadan dengan ciri yang tidak ditentukan.
• Single jika penyataan mencukupi dalam fungsi rekursif.

Atas ialah kandungan terperinci Bagaimana untuk Mengeluarkan Peraturan Keputusan daripada scikit-learn Decision Trees?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!