Skip to main content
 首页 » 编程设计

python之graphviz 可以显示一次性解码的分类数据吗

2024年11月24日12bluestorm

我试图让 Graphviz 显示我的 oneHotEncoded 分类数据,但我无法让它工作。

这是我的 X 数据和这些列:

Category, Size, Type, Rating, Genre, Number of versions    
 
['ART_AND_DESIGN' '6000000+' 'Free' 'Everyone' 'Art & Design' '7']   
['ART_AND_DESIGN' '6000000+' 'Free' 'Everyone' 'Art & Design' '2']   
 
...    
['FAMILY' '20000000+' 'Free' 'Everyone' 'Art & Design' '13'] 

还有我的代码示例:

X = self.df.drop(['Installs'], axis=1).values 
y = self.df['Installs'].values 
 
self.oheFeatures = OneHotEncoder(categorical_features='all') 
EncodedX = self.oheFeatures.fit_transform(X).toarray() 
 
self.oheY = OneHotEncoder() 
EncodedY = self.oheY.fit_transform(y.reshape(-1,1)).toarray() 
 
self.X_train, self.X_test, self.y_train, self.y_test = train_test_split(EncodedX, EncodedY, test_size=0.25, random_state=33) 
 
clf = DecisionTreeClassifier(criterion='entropy', min_samples_leaf=100) 
clf.fit(self.X_train, self.y_train) 
     
tree.export_graphviz(clf, out_file=None,  
            feature_names=self.oheFeatures.get_feature_names(), 
            class_names=self.oheY.get_feature_names(), 
            filled=True,  
            rounded=True,   
            special_characters=True)   
 
Dot_data = tree.export_graphviz(clf, out_file=None)  
    graph = graphviz.Source(dot_data)  
    graph.render("applications")  

但是当我尝试可视化输出结果时,我得到了编码数据的决策树:

有没有办法让 graphviz 显示“解码”数据?

请您参考如下方法:

您似乎期望这里有一些(相对简单的)编程方法或解决方法,但事实并非如此,而且这个问题实际上比简单的 Graphviz 可视化要深入得多。

需要注意的是:

  • 你的树不“知道”任何关于任何解码数据的信息;就它而言,唯一的实际数据是单热编码的数据
  • Graphviz 只是简单地显示树结构

鉴于以上内容,您可能会看到,尽管您的请求听起来确实有意义并且从服务于树解释的“业务”角度被理解为所需的功能(毕竟,树模型的一大优势是应该正是它们的可解释性),从编程的角度来看,这个问题是非常重要的(这实际上是关于 SO 的):它甚至与 Graphviz 没有任何关系,特别是 - 问题即使我们想以规则的形式打印树,它也会上升,这与 scikit-learn 为树构建所做的设计选择有关。

我得承认,当我第一次听说它时,我很惊讶地发现 scikit-learn 中的决策树不能直接处理分类变量(参见 Can sklearn DecisionTreeClassifier truly work with categorical data? 和一个仍然开放的 Github issue 关于这个主题)。我感到惊讶的原因是我知道这当然不是唯一可用的设计选择:我来自 R 背景,并且我知道在 R 中完全有可能拟合具有分类特征的树而不需要一个 -热编码;这是一个 example :

但是,遗憾的是,这至少暂时不适用于 scikit-learn(我非常怀疑它会改变)...