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)...
