泰坦尼克号示例 R 与 Python：相反的决策树

Question

我有一个使用 titanic 示例在 R 中创建的决策树。这棵树是经过验证和正确的。 (decision tree R)

现在我正在 Python 中创建同一棵树，使用完全相同的数据集和列来创建树。我使用 Graphviz 执行此操作，但由于我无法将其导入 Python 本身 (Spyder)，我只是将数据导出到 Graphviz，然后在他们的网站 http://webgraphviz.com/

上创建图表

我用于导出的代码是：

import sklearn.tree as tree 

tree.export_graphviz(rpart, out_file="tree.dot", filled=True, 
                     feature_names=list(titanic_dmy.drop(['survived'], axis=1).columns), 
                             impurity=False, label=None, proportion=True, 
                             class_names=['Survived', 'Died'])

创建的树看起来像this

数字并非 100% 匹配，但非常接近。这里的问题是 Python 创建的树与 R 创建的完全相反。

例如：R 表示如果你是男性，则必须去方框 2 即 'age'。如果您是女性，则必须转到方框 2，即 'Third class'。然而，这在 Python 中显示为相反的方式。所以：男性进入第三 class，女性进入年龄。这会影响最终结果，因为 R 显示女性存活，Python 显示男性存活。

有人知道这里出了什么问题吗？

可以在 OneDrive 上找到带有支持数据集的完整代码： https://1drv.ms/u/s!AjkQWQ6EO_fMiSVkhk9yIqsdlA-4

问候，Ganesh

Answer 1

我认为您误读了这篇文章，而且这些树实际上非常相似。

如果你是女性，那么(male <= 0.5) = True，所以你去左边的方框，'Third Class'。如果你是男性，那么(male <= 0.5) = False，所以你去右边的方框，'Age'.

泰坦尼克号示例 R 与 Python：相反的决策树

Titanic example R vs. Python: decision tree the other way around

graphviz

decision-tree

python-3.x

scikit-learn