ExtraTreesClassifier#

class sklearn.ensemble.ExtraTreesClassifier(n_estimators=100, *, criterion='gini', max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features='sqrt', max_leaf_nodes=None, min_impurity_decrease=0.0, bootstrap=False, oob_score=False, n_jobs=None, random_state=None, verbose=0, warm_start=False, class_weight=None, ccp_alpha=0.0, max_samples=None, monotonic_cst=None)[source]#

极限树分类器。

此类实现了一个元估计器，它在数据集的各种子样本上拟合多个随机决策树（又名极限树），并使用平均值来提高预测精度并控制过拟合。

在 用户指南 中了解更多信息。

参数：
n_estimatorsint，默认值=100

森林中树的数量。

0.22 版本中的更改： 在 0.22 中，n_estimators 的默认值从 10 更改为 100。

criterion{"gini"，“entropy”，“log_loss”}，默认值=”gini”

用于衡量分割质量的函数。支持的标准包括用于基尼杂质的“gini”以及用于香农信息增益的“log_loss”和“entropy”，参见 数学公式。注意：此参数是特定于树的。

max_depthint，默认值=None

树的最大深度。如果为 None，则节点会一直扩展，直到所有叶子都是纯的，或者直到所有叶子包含的样本少于 min_samples_split 个样本。

min_samples_splitint 或 float，默认值=2

拆分内部节点所需的最小样本数

  • 如果为 int，则将 min_samples_split 视为最小数量。

  • 如果为 float，则 min_samples_split 是一个分数，并且 ceil(min_samples_split * n_samples) 是每次拆分所需的最小样本数。

0.18 版本中的更改： 添加了分数的浮点值。

min_samples_leafint 或 float，默认值=1

叶节点所需的最小样本数。只有当它在左右分支中至少留下 min_samples_leaf 个训练样本时，才会考虑任何深度的分割点。这可能会使模型更加平滑，尤其是在回归中。

  • 如果为 int，则将 min_samples_leaf 视为最小数量。

  • 如果为 float，则 min_samples_leaf 是一个分数，并且 ceil(min_samples_leaf * n_samples) 是每个节点所需的最小样本数。

0.18 版本中的更改： 添加了分数的浮点值。

min_weight_fraction_leaffloat，默认值=0.0

叶节点所需的总权重（所有输入样本的权重总和）的最小加权分数。当未提供 sample_weight 时，样本具有相同的权重。

max_features{"sqrt"，“log2”，None}，int 或 float，默认值=”sqrt”

查找最佳分割时要考虑的特征数量

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

  • 如果为 float，则 max_features 是一个分数，并且 max(1, int(max_features * n_features_in_)) 个特征在每次分割时都会被考虑。

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

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

  • 如果为 None，则 max_features=n_features。

1.1 版本中的更改： max_features 的默认值已从 "auto" 更改为 "sqrt"。

注意：即使需要有效检查超过 max_features 个特征，搜索分割也不会停止，直到找到节点样本至少一个有效的划分。

max_leaf_nodesint，默认值=None

以最佳优先的方式种植具有 max_leaf_nodes 的树。最佳节点定义为杂质的相对减少。如果为 None，则叶节点数量不限。

min_impurity_decrease浮点数，默认值=0.0

如果分裂导致杂质减少量大于或等于此值，则节点将被分裂。

加权杂质减少方程如下：

N_t / N * (impurity - N_t_R / N_t * right_impurity
                    - N_t_L / N_t * left_impurity)

其中N是样本总数，N_t是当前节点的样本数，N_t_L是左子节点的样本数，N_t_R是右子节点的样本数。

如果传递了sample_weight，则N、N_t、N_t_R和N_t_L都指加权和。

在0.19版本中添加。

bootstrap布尔值，默认值=False

构建树时是否使用bootstrap样本。如果为False，则使用整个数据集构建每棵树。

oob_score布尔值或可调用对象，默认值=False

是否使用袋外样本估计泛化分数。默认情况下，使用accuracy_score。提供一个签名为metric(y_true, y_pred)的可调用对象以使用自定义指标。仅当bootstrap=True时可用。

n_jobs整数，默认值=None

并行运行的作业数。fit、predict、decision_path和apply都针对树进行并行化。None表示1，除非在joblib.parallel_backend上下文。-1表示使用所有处理器。有关更多详细信息，请参阅词汇表。

random_state整数、RandomState 实例或 None，默认值=None

控制三个随机性来源：

  • 构建树时使用的样本的bootstrap（如果bootstrap=True）

  • 在每个节点查找最佳分割时要考虑的特征的采样（如果max_features < n_features）

  • 每个max_features的分割抽取

有关详细信息，请参阅词汇表。

verbose整数，默认值=0

控制拟合和预测时的详细程度。

warm_start布尔值，默认值=False

设置为True时，重用对fit的先前调用的解决方案并将更多估计器添加到集合中，否则，只需拟合一个全新的森林。有关详细信息，请参阅词汇表和拟合附加树。

class_weight{"balanced"，“balanced_subsample”}，字典或字典列表，默认值=None

与类关联的权重，形式为{class_label: weight}。如果未给出，则所有类都被认为权重为1。对于多输出问题，可以按y的列的顺序提供字典列表。

请注意，对于多输出（包括多标签），应该为每一列的每个类在其自己的字典中定义权重。例如，对于四类多标签分类，权重应该是[{0: 1, 1: 1}, {0: 1, 1: 5}, {0: 1, 1: 1}, {0: 1, 1: 1}]，而不是[{1:1}, {2:5}, {3:1}, {4:1}]。

“balanced”模式使用y的值来自动调整权重，使其与输入数据中类的频率成反比，如n_samples / (n_classes * np.bincount(y))

“balanced_subsample”模式与“balanced”相同，只是权重是基于为每一棵生成的树的bootstrap样本计算的。

对于多输出，y的每一列的权重将相乘。

请注意，如果指定了sample_weight（通过fit方法传递），则这些权重将与sample_weight相乘。

ccp_alpha非负浮点数，默认值=0.0

用于最小成本复杂度剪枝的复杂度参数。将选择成本复杂度大于ccp_alpha的子树。默认情况下，不执行剪枝。有关详细信息，请参阅最小成本复杂度剪枝。有关此类剪枝的示例，请参阅使用成本复杂度剪枝后剪枝决策树。

在0.22版本中添加。

max_samples整数或浮点数，默认值=None

如果bootstrap为True，则从X中抽取的样本数用于训练每个基础估计器。

  • 如果为None（默认值），则抽取X.shape[0]个样本。

  • 如果为整数，则抽取max_samples个样本。

  • 如果为浮点数，则抽取max_samples * X.shape[0]个样本。因此，max_samples应该在区间(0.0, 1.0]内。

在0.22版本中添加。

monotonic_cst形状为(n_features)的整数数组，默认值=None
指示要对每个特征强制执行的单调性约束。

  • 1：单调递增

  • 0：无约束

  • -1：单调递减

如果monotonic_cst为None，则不应用任何约束。

对于以下情况，不支持单调性约束：

  • 多类分类（即n_classes > 2），

  • 多输出分类（即n_outputs_ > 1），

  • 在具有缺失值的数据上训练的分类。

约束适用于正类的概率。

在用户指南中了解更多信息。

在1.4版本中添加。

属性：
estimator_ExtraTreeClassifier

用于创建拟合的子估计器集合的子估计器模板。

在1.2版本中添加：base_estimator_已重命名为estimator_。

estimators_DecisionTreeClassifier 列表

已拟合的子估计器集合。

classes_形状为 (n_classes,) 的 ndarray 或此类数组的列表

类别标签（单输出问题），或类别标签数组列表（多输出问题）。

n_classes_整数或列表

类别数（单输出问题），或包含每个输出类别数的列表（多输出问题）。

feature_importances_形状为 (n_features,) 的 ndarray

基于杂质的特征重要性。

n_features_in_整数

在 拟合 期间看到的特征数量。

0.24 版本新增。

feature_names_in_形状为 (n_features_in_,) 的 ndarray

在 拟合 期间看到的特征名称。仅当 X 的特征名称全部为字符串时定义。

1.0 版本新增。

n_outputs_整数

执行 fit 时的输出数量。

oob_score_浮点数

使用包外估计获得的训练数据集得分。仅当 oob_score 为 True 时存在此属性。

oob_decision_function_形状为 (n_samples, n_classes) 或 (n_samples, n_classes, n_outputs) 的 ndarray

使用训练集上的包外估计计算的决策函数。如果 n_estimators 很小，则在 bootstrap 期间可能从未遗漏数据点。在这种情况下，oob_decision_function_ 可能包含 NaN。仅当 oob_score 为 True 时存在此属性。

estimators_samples_数组列表

每个基估计器的抽取样本子集。

另见

ExtraTreesRegressor

具有随机分割的额外树回归器。

RandomForestClassifier

具有最优分割的随机森林分类器。

RandomForestRegressor

使用具有最优分割的树的集成回归器。

备注

控制树大小的参数的默认值（例如 max_depth、min_samples_leaf 等）会导致完全生长和未修剪的树，这些树在某些数据集上可能非常大。为了减少内存消耗，应通过设置这些参数值来控制树的复杂性和大小。

参考文献

[1]

P. Geurts, D. Ernst., and L. Wehenkel, “Extremely randomized trees”, Machine Learning, 63(1), 3-42, 2006.

示例

>>> from sklearn.ensemble import ExtraTreesClassifier
>>> from sklearn.datasets import make_classification
>>> X, y = make_classification(n_features=4, random_state=0)
>>> clf = ExtraTreesClassifier(n_estimators=100, random_state=0)
>>> clf.fit(X, y)
ExtraTreesClassifier(random_state=0)
>>> clf.predict([[0, 0, 0, 0]])
array([1])
apply(X)[source]#

将森林中的树应用于 X，返回叶索引。

参数：
X形状为 (n_samples, n_features) 的 {数组、稀疏矩阵}

输入样本。内部，其 dtype 将转换为 dtype=np.float32。如果提供稀疏矩阵，它将转换为稀疏 csr_matrix。

返回：
X_leaves形状为 (n_samples, n_estimators) 的 ndarray

对于 X 中的每个数据点 x 和森林中的每棵树，返回 x 最终所在的叶的索引。

decision_path(X)[source]#

返回森林中的决策路径。

0.18 版本新增。

参数：
X形状为 (n_samples, n_features) 的 {数组、稀疏矩阵}

输入样本。内部，其 dtype 将转换为 dtype=np.float32。如果提供稀疏矩阵，它将转换为稀疏 csr_matrix。

返回：
indicator形状为 (n_samples, n_nodes) 的稀疏矩阵

返回一个节点指示矩阵，其中非零元素表示样本经过这些节点。矩阵为 CSR 格式。

n_nodes_ptr形状为 (n_estimators + 1,) 的 ndarray

indicator[n_nodes_ptr[i]:n_nodes_ptr[i+1]] 中的列给出第 i 个估计器的指示值。

property estimators_samples_#

每个基估计器的抽取样本子集。

返回动态生成的索引列表，用于标识用于拟合集成每个成员的样本，即包内样本。

注意：为了减少对象内存占用，不会存储采样数据，该列表在每次调用属性时都会重新创建。因此，获取属性的速度可能比预期慢。

property feature_importances_#

基于杂质的特征重要性。

值越高，特征越重要。特征的重要性计算为该特征带来的标准（归一化）总减少量。它也称为基尼重要性。

警告：对于高基数特征（许多唯一值），基于杂质的特征重要性可能会产生误导。请参阅 sklearn.inspection.permutation_importance 作为替代方法。

返回：
feature_importances_形状为 (n_features,) 的 ndarray

除非所有树都是仅由根节点组成的单节点树，否则此数组的值之和为 1，在这种情况下，它将是一个零数组。

fit(X, y, sample_weight=None)[source]#

根据训练集 (X, y) 建立树林。

参数：
X形状为 (n_samples, n_features) 的 {数组、稀疏矩阵}

训练输入样本。内部，其 dtype 将转换为 dtype=np.float32。如果提供稀疏矩阵，它将转换为稀疏 csc_matrix。

y形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组

目标值（分类中的类别标签，回归中的实数）。

sample_weight形状为 (n_samples,) 的类数组，默认值为 None

样本权重。如果为 None，则样本权重相等。在搜索每个节点的分割点时，会忽略那些会创建净权重为零或负的子节点的分割点。在分类情况下，如果分割会导致任何单个类别在任一子节点中权重为负，则也会忽略该分割点。

返回：
self对象

已拟合的估计器。

get_metadata_routing()[source]#

获取此对象的元数据路由。

请查看 用户指南，了解路由机制的工作原理。

返回：
routingMetadataRequest

一个 MetadataRequest 封装了路由信息。

get_params(deep=True)[source]#

获取此估计器的参数。

参数：
deep布尔值，默认为 True

如果为 True，则将返回此估计器及其包含的子对象（也是估计器）的参数。

返回：
params字典

参数名称与其值的映射。

predict(X)[source]#

预测 X 的类别。

输入样本的预测类别是森林中树木的投票结果，并根据其概率估计进行加权。也就是说，预测类别是平均概率估计最高的类别。

参数：
X形状为 (n_samples, n_features) 的 {数组、稀疏矩阵}

输入样本。内部，其 dtype 将转换为 dtype=np.float32。如果提供稀疏矩阵，它将转换为稀疏 csr_matrix。

返回：
y形状为 (n_samples,) 或 (n_samples, n_outputs) 的 ndarray

预测的类别。

predict_log_proba(X)[source]#

预测 X 的类别对数概率。

输入样本的预测类别对数概率计算为森林中树木的平均预测类别概率的对数。

参数：
X形状为 (n_samples, n_features) 的 {数组、稀疏矩阵}

输入样本。内部，其 dtype 将转换为 dtype=np.float32。如果提供稀疏矩阵，它将转换为稀疏 csr_matrix。

返回：
p形状为 (n_samples, n_classes) 的 ndarray，或此类数组的列表

输入样本的类别概率。类别的顺序与属性 classes_ 中的顺序相对应。

predict_proba(X)[source]#

预测 X 的类别概率。

输入样本的预测类别概率计算为森林中树木的平均预测类别概率。单个树的类别概率是叶节点中相同类别的样本比例。

参数：
X形状为 (n_samples, n_features) 的 {数组、稀疏矩阵}

输入样本。内部，其 dtype 将转换为 dtype=np.float32。如果提供稀疏矩阵，它将转换为稀疏 csr_matrix。

返回：
p形状为 (n_samples, n_classes) 的 ndarray，或此类数组的列表

输入样本的类别概率。类别的顺序与属性 classes_ 中的顺序相对应。

score(X, y, sample_weight=None)[source]#

返回给定测试数据和标签的平均准确率。

在多标签分类中，这是子集准确率，这是一个严格的指标，因为它要求每个样本的每个标签集都必须被正确预测。

参数：
X形状为 (n_samples, n_features) 的类数组

测试样本。

y形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组

X 的真实标签。

sample_weight形状为 (n_samples,) 的类数组，默认值为 None

样本权重。

返回：
score浮点数

self.predict(X) 相对于 y 的平均准确率。

set_fit_request(*, sample_weight: bool | None | str = '$UNCHANGED$') → ExtraTreesClassifier[source]#

请求传递给 fit 方法的元数据。

请注意，只有在 enable_metadata_routing=True 时，此方法才相关（参见 sklearn.set_config）。请查看 用户指南，了解路由机制的工作原理。

每个参数的选项为

  • True：请求元数据，如果提供则传递给fit。如果未提供元数据，则忽略请求。

  • False：不请求元数据，元估计器不会将其传递给fit。

  • None：不请求元数据，如果用户提供元数据，元估计器将引发错误。

  • str：元数据应使用此给定的别名而不是原始名称传递给元估计器。

默认值（sklearn.utils.metadata_routing.UNCHANGED）保留现有的请求。这允许您更改某些参数的请求，而其他参数不变。

1.3 版本中新增。

注意

只有在将此估计器用作元估计器的子估计器时，此方法才相关，例如，在Pipeline中使用。否则，它无效。

参数：
sample_weightstr、True、False 或 None，默认为 sklearn.utils.metadata_routing.UNCHANGED

fit 中 sample_weight 参数的元数据路由。

返回：
self对象

更新后的对象。

set_params(**params)[source]#

设置此估计器的参数。

此方法适用于简单的估计器以及嵌套对象（例如 Pipeline）。后者具有 <component>__<parameter> 形式的参数，以便可以更新嵌套对象的每个组件。

参数：
**paramsdict

估计器参数。

返回：
self估计器实例

估计器实例。

set_score_request(*, sample_weight: bool | None | str = '$UNCHANGED$') → ExtraTreesClassifier[source]#

请求传递给score 方法的元数据。

请注意，只有在 enable_metadata_routing=True 时，此方法才相关（参见 sklearn.set_config）。请查看 用户指南，了解路由机制的工作原理。

每个参数的选项为

  • True：请求元数据，如果提供则传递给score。如果未提供元数据，则忽略请求。

  • False：不请求元数据，元估计器不会将其传递给score。

  • None：不请求元数据，如果用户提供元数据，元估计器将引发错误。

  • str：元数据应使用此给定的别名而不是原始名称传递给元估计器。

默认值（sklearn.utils.metadata_routing.UNCHANGED）保留现有的请求。这允许您更改某些参数的请求，而其他参数不变。

1.3 版本中新增。

注意

只有在将此估计器用作元估计器的子估计器时，此方法才相关，例如，在Pipeline中使用。否则，它无效。

参数：
sample_weightstr、True、False 或 None，默认为 sklearn.utils.metadata_routing.UNCHANGED

score 中 sample_weight 参数的元数据路由。

返回：
self对象

更新后的对象。