关于 DecisionTreeClassifier 的问题
Question regarding DecisionTreeClassifier
我正在用过去的数据制作一个可解释的模型，根本不会用它来预测未来。
在数据中，有 100 个 X 变量和一个 Y 二进制 class 并试图解释 X 对 Y 二进制（0 或 1）的影响).
我想到了 DecisionTree classifier，因为它清楚地向我们展示了如何根据每个变量的价值标准做出决策
这是我的问题：
是否有必要将 X 数据拆分为 X_test、X_train，即使我不打算使用此模型进行预测？ （我不想为测试浪费数据，因为我只是翻译）
在我拆分数据和训练模型后，只有少数值获得特征重要性值（例如 100 个 X 变量中的 3 个），其余值变为零。因此，只有几家分店。我不知道为什么会这样。
如果这里不适合问这样的问题，请告诉我。
谢谢。
不，这不是必需的，但它是一种检查您的决策树是否过度拟合的方法，只需记住输入值和 classes 或实际学习其背后的模式。我建议您研究一下交叉验证，因为它不 'waste' 任何数据并对所有数据进行训练和测试。如果您需要我进一步解释，请发表评论。
获得任意数量的重要功能都不是问题，因为它完全取决于您的数据。
示例：
假设我想制作一个模型来判断一个数字是否可以被 69 整除（我的 Y class）。
我的 X 变量可以被 2、3、5、7、9、13、17、19 和 23 整除。
如果我正确地训练模型，我将只有 3 和 23 的特征重要性非常高，而其他一切都应该具有非常低的特征重要性。
因此，我的决策树（如果使用像随机森林/XGBoost 这样的集成模型的树）将有更少的分裂数量。
因此，重要功能的数量较少是正常的，不会造成任何问题。
- 不，不是。但是，我仍然会分开训练测试和单独测量性能。虽然一个可解释的模型很好，但如果它是一个垃圾模型，它就明显不那么好。在考虑解释之前，我会确保它至少具有合理的性能，此时不需要拆分。
- 重要特征的数量取决于数据。随机森林在这方面也做得很好。无论如何，分支越少越好。你想要一棵更简单的树，这样更容易解释。
我正在用过去的数据制作一个可解释的模型，根本不会用它来预测未来。
在数据中，有 100 个 X 变量和一个 Y 二进制 class 并试图解释 X 对 Y 二进制（0 或 1）的影响).
我想到了 DecisionTree classifier，因为它清楚地向我们展示了如何根据每个变量的价值标准做出决策
这是我的问题：
是否有必要将 X 数据拆分为 X_test、X_train，即使我不打算使用此模型进行预测？ （我不想为测试浪费数据，因为我只是翻译）
在我拆分数据和训练模型后，只有少数值获得特征重要性值（例如 100 个 X 变量中的 3 个），其余值变为零。因此，只有几家分店。我不知道为什么会这样。
如果这里不适合问这样的问题，请告诉我。
谢谢。
不，这不是必需的，但它是一种检查您的决策树是否过度拟合的方法，只需记住输入值和 classes 或实际学习其背后的模式。我建议您研究一下交叉验证，因为它不 'waste' 任何数据并对所有数据进行训练和测试。如果您需要我进一步解释，请发表评论。
获得任意数量的重要功能都不是问题，因为它完全取决于您的数据。
示例： 假设我想制作一个模型来判断一个数字是否可以被 69 整除（我的 Y class）。
我的 X 变量可以被 2、3、5、7、9、13、17、19 和 23 整除。 如果我正确地训练模型，我将只有 3 和 23 的特征重要性非常高，而其他一切都应该具有非常低的特征重要性。
因此，我的决策树（如果使用像随机森林/XGBoost 这样的集成模型的树）将有更少的分裂数量。 因此，重要功能的数量较少是正常的，不会造成任何问题。
- 不，不是。但是，我仍然会分开训练测试和单独测量性能。虽然一个可解释的模型很好，但如果它是一个垃圾模型，它就明显不那么好。在考虑解释之前，我会确保它至少具有合理的性能，此时不需要拆分。
- 重要特征的数量取决于数据。随机森林在这方面也做得很好。无论如何，分支越少越好。你想要一棵更简单的树，这样更容易解释。