解释决策树回归的 Graphviz 输出

Question

我很好奇 Graphviz 在用于回归时生成的决策树节点中的 value 字段是什么。我知道这是使用决策树 classification 时每个 class 中被拆分分隔的样本数，但我不确定这对回归意味着什么。

我的数据有一个 2 维输入和一个 10 维输出。这是我的回归问题的树的示例：

使用此代码生成并使用 webgraphviz 可视化

# X = (n x 2)  Y = (n x 10)  X_test = (m x 2)

input_scaler = pickle.load(open("../input_scaler.sav","rb"))
reg = DecisionTreeRegressor(criterion = 'mse', max_depth = 2)
reg.fit(X,Y)
pred = reg.predict(X_test)
with open("classifier.txt", "w") as f:
    f = tree.export_graphviz(reg, out_file=f)

Answer 1

什么回归树实际上 returns 作为输出是 平均值 最终出现在相应终端的训练样本的因变量（此处为 Y）节点（叶）；这些平均值在图片中显示为名为 value 的列表，这里的长度都是 10，因为你的 Y 是 10 维的。

换句话说，以你的树最左边的终端节点（叶子）为例：

叶子由 X[0] <= 0.675 和 X[1] <= 0.5
这 42 个样本的 10 维输出的平均值在本次休假的 value 列表中给出，其长度确实为 10，即 Y[0] 的平均值是 -152007.382, Y[1] 的均值是 -206040.675 等等 Y[9] 的均值是 3211.487.

您可以通过预测一些样本（来自您的训练或测试集 - 这无关紧要）并检查您的 10 维结果是否是 4 个 value 列表之一来确认情况是否如此在上面的终端叶子中描述。

此外，您可以确认，对于value中的每个元素，子节点的加权平均值等于父节点的相应元素。同样，使用最左边的 2 个终端节点（叶子）的第一个元素，我们得到：

(-42*152007.382 - 56*199028.147)/98
# -178876.39057142858

即它们的父节点（中间层中最左边的节点）的 value[0] 元素。再举一个例子，这次是 2 个中间节点的前 value 个元素：

(-98*178876.391 + 42*417378.245)/140
# -0.00020000000617333822

这再次与根节点的 -0.0 第一个 value 元素一致。

从你的根节点的value列表来看，你的10维Y的所有元素的平均值几乎为零，你可以（也应该）手动验证，作为最后确认。

所以，总结一下：

每个节点的value列表包含训练样本"belonging"到相应节点
此外，对于终端节点（叶子），这些列表是树模型的实际输出（即输出将始终是这些列表之一，具体取决于 X）
对于根节点，value 列表包含整个训练数据集的平均 Y 值

解释决策树回归的 Graphviz 输出

interpreting Graphviz output for decision tree regression

regression

machine-learning

graphviz

decision-tree

scikit-learn