决策树分类器#

决策树分类器。

模块内容#

类摘要#

DecisionTreeClassifier

决策树分类器。

目录#

class evalml.pipelines.components.estimators.classifiers.decision_tree_classifier.DecisionTreeClassifier(criterion='gini', max_features='sqrt', max_depth=6, min_samples_split=2, min_weight_fraction_leaf=0.0, random_seed=0, **kwargs)[source]#

决策树分类器。

参数

  • criterion ({"gini", "entropy"}) – 用于衡量分割质量的函数。支持的准则包括用于衡量基尼不纯度的“gini”和用于衡量信息增益的“entropy”。默认为“gini”。

  • max_features (int, float or {"sqrt", "log2"}) –

    在寻找最佳分割时要考虑的特征数量

    • 如果是 int，则在每次分割时考虑 max_features 个特征。

    • 如果是 float，则 max_features 是一个比例，并在每次分割时考虑 int(max_features * n_features) 个特征。

    • 如果是“sqrt”，则 max_features=sqrt(n_features)。

    • 如果是“log2”，则 max_features=log2(n_features)。

    • 如果是 None，则 max_features = n_features。

    寻找分割不会停止，直到找到至少一个有效的节点样本划分，即使这需要实际检查超过 max_features 个特征。

  • max_depth (int) – 树的最大深度。默认为 6。

  • min_samples_split (int or float) –

    分割内部节点所需的最小样本数

    • 如果是 int，则将 min_samples_split 作为最小样本数。

    • 如果是 float，则 min_samples_split 是一个比例，并且 ceil(min_samples_split * n_samples) 是每次分割所需的最小样本数。

    默认为 2。

  • min_weight_fraction_leaf (float) – 叶节点所需的总权重（所有输入样本权重之和）的最小加权比例。默认为 0.0。

  • random_seed (int) – 随机数生成器的种子。默认为 0。

属性

hyperparameter_ranges

{ “criterion”: [“gini”, “entropy”], “max_features”: [“sqrt”, “log2”], “max_depth”: Integer(4, 10),}

model_family

ModelFamily.DECISION_TREE

modifies_features

True

modifies_target

False

name

决策树分类器

supported_problem_types

[ ProblemTypes.BINARY, ProblemTypes.MULTICLASS, ProblemTypes.TIME_SERIES_BINARY, ProblemTypes.TIME_SERIES_MULTICLASS,]

training_only

False

方法

clone

使用相同的参数和随机状态构造一个新的组件。

default_parameters

返回此组件的默认参数。

describe

描述组件及其参数。

feature_importance

返回与每个特征相关的重要性。

fit

将估计器拟合到数据。

get_prediction_intervals

使用拟合的回归器查找预测区间。

load

从文件路径加载组件。

needs_fitting

返回布尔值，判断组件在调用 predict, predict_proba, transform 或 feature_importances 之前是否需要拟合。

parameters

返回用于初始化组件的参数。

predict

使用选定的特征进行预测。

predict_proba

对标签进行概率估计。

save

将组件保存到文件路径。

update_parameters

更新组件的参数字典。
clone(self)#

使用相同的参数和随机状态构造一个新的组件。

返回值

此组件的新实例，具有相同的参数和随机状态。

default_parameters(cls)#

返回此组件的默认参数。

我们的约定是 Component.default_parameters == Component().parameters。

返回值

此组件的默认参数。

返回类型

dict

describe(self, print_name=False, return_dict=False)#

描述组件及其参数。

参数

  • print_name (bool, optional) – 是否打印组件名称

  • return_dict (bool, optional) – 是否以字典格式 {“name”: name, “parameters”: parameters} 返回描述

返回值

如果 return_dict 为 True，则返回字典，否则返回 None。

返回类型

None or dict

property feature_importance(self) → pandas.Series#

返回与每个特征相关的重要性。

返回值

与每个特征相关的重要性。

返回类型

np.ndarray

抛出

MethodPropertyNotFoundError – 如果估计器没有 feature_importance 方法或没有实现 feature_importance 的 component_obj。

fit(self, X: pandas.DataFrame, y: Optional[pandas.Series] = None)#

将估计器拟合到数据。

参数

  • X (pd.DataFrame) – 输入训练数据，形状为 [n_samples, n_features]。

  • y (pd.Series, optional) – 目标训练数据，长度为 [n_samples]。

返回值

self

get_prediction_intervals(self, X: pandas.DataFrame, y: Optional[pandas.Series] = None, coverage: List[float] = None, predictions: pandas.Series =None) → Dict[str, pandas.Series]#

使用拟合的回归器查找预测区间。

此函数接受拟合估计器的预测，并使用窗口大小为 5 计算所有预测的滚动标准差。通过将每个边界的下尾概率的百分位数（分位数）函数乘以滚动标准差来确定下限和上限预测。

参数

  • X (pd.DataFrame) – 数据，形状为 [n_samples, n_features]。

  • y (pd.Series) – 目标数据。被忽略。

  • coverage (list[float]) – 一个浮点数列表，取值范围在 0 到 1 之间，用于计算预测区间的上限和下限。

  • predictions (pd.Series) – 可选的预测列表。如果为 None，则将使用 X 生成预测。

返回值

预测区间，键的格式为 {coverage}_lower 或 {coverage}_upper。

返回类型

dict

抛出

MethodPropertyNotFoundError – 如果估计器不支持时间序列回归作为问题类型。

static load(file_path)#

从文件路径加载组件。

参数

file_path (str) – 文件加载位置。

返回值

ComponentBase object

needs_fitting(self)#

返回布尔值，判断组件在调用 predict, predict_proba, transform 或 feature_importances 之前是否需要拟合。

对于不需要拟合或其拟合方法不起作用的组件，此项可以被重写为 False。

返回值

True。

property parameters(self)#

返回用于初始化组件的参数。

predict(self, X: pandas.DataFrame) → pandas.Series#

使用选定的特征进行预测。

参数

X (pd.DataFrame) – 数据，形状为 [n_samples, n_features]。

返回值

预测值。

返回类型

pd.Series

抛出

MethodPropertyNotFoundError – 如果估计器没有 predict 方法或没有实现 predict 的 component_obj。

predict_proba(self, X: pandas.DataFrame) → pandas.Series#

对标签进行概率估计。

参数

X (pd.DataFrame) – 特征。

返回值

概率估计。

返回类型

pd.Series

抛出

MethodPropertyNotFoundError – 如果估计器没有 predict_proba 方法或没有实现 predict_proba 的 component_obj。

save(self, file_path, pickle_protocol=cloudpickle.DEFAULT_PROTOCOL)#

将组件保存到文件路径。

参数

  • file_path (str) – 文件保存位置。

  • pickle_protocol (int) – pickle 数据流格式。

update_parameters(self, update_dict, reset_fit=True)#

更新组件的参数字典。

参数

  • update_dict (dict) – 要更新的参数字典。

  • reset_fit (bool, optional) – 如果为 True，则将 _is_fitted 设置为 False。

在本页
显示源