ExtraTreesRegressor#

class sklearn.ensemble.ExtraTreesRegressor(n_estimators=100, *, criterion='squared_error', max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features=1.0, 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, ccp_alpha=0.0, max_samples=None, monotonic_cst=None)[source]#

极端随机树回归器。

此类实现了一个元估计器，它在数据集的多个子样本上拟合多个随机决策树（又称极端随机树），并使用平均来提高预测精度并控制过拟合。

更多信息请阅读用户指南。

参数：
n_estimatorsint, default=100

森林中树的数量。

0.22版本中已更改: n_estimators的默认值在0.22版本中从10更改为100。

criterion{“squared_error”, “absolute_error”, “friedman_mse”, “poisson”}, default=”squared_error”

衡量分割质量的函数。支持的标准包括：用于均方误差的“squared_error”，它等于方差减少作为特征选择标准，并使用每个终端节点的均值最小化L2损失；“friedman_mse”，它使用均方误差和Friedman的改进分数来进行潜在分割；用于平均绝对误差的“absolute_error”，它使用每个终端节点的中位数最小化L1损失；以及“poisson”，它使用泊松偏差的减少来查找分割点。“absolute_error”的训练速度明显慢于“squared_error”。

0.18版本中已添加: 平均绝对误差 (MAE) 标准。

max_depthint, default=None

树的最大深度。如果为None，则节点会一直扩展，直到所有叶子节点都是纯净的，或者直到所有叶子节点包含少于min_samples_split个样本。

min_samples_splitint 或 float, default=2

分割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)是每个分割的最小样本数。

0.18版本中已更改: 添加了分数的浮点值。

min_samples_leafint 或 float, default=1

叶节点所需的最小样本数。只有当分割点在任何深度上至少在左右分支中留下min_samples_leaf个训练样本时，才会考虑该分割点。这可能会使模型平滑，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)是每个节点的最小样本数。

0.18版本中已更改: 添加了分数的浮点值。

min_weight_fraction_leaffloat, default=0.0

叶节点所需的总权重（所有输入样本的总权重）的最小加权分数。如果没有提供sample_weight，则样本具有相等的权重。

max_features{“sqrt”, “log2”, None}, int 或 float, default=1.0

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或1.0，则max_features=n_features。

注意

1.0的默认值等效于装袋树，通过设置较小的值（例如0.3）可以实现更大的随机性。

1.1版本中已更改: max_features的默认值已从"auto"更改为1.0。

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，生长具有max_leaf_nodes个叶节点的树。最佳节点定义为杂质的相对减少量。如果为None，则叶节点数量不受限制。

min_impurity_decreasefloat，默认值=0.0

如果此分割引起的杂质减少量大于或等于此值，则将分割节点。

加权杂质减少方程如下所示：

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。

0.19版本新增。

bootstrapbool，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_scorebool或callable，默认值=False

是否使用袋外样本估计泛化得分。默认情况下，使用r2_score。提供一个具有签名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_jobsint，默认值=None

并行运行的作业数。fit、predict、decision_path和apply都通过树进行并行化。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，请参见词汇表。

random_stateint、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，请参见词汇表。

verboseint，默认值=0

控制拟合和预测时的详细程度。

warm_startbool，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成中，否则，只需拟合一个全新的森林。有关详细信息，请参见词汇表和拟合附加树。

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，请参见最小成本复杂度剪枝。有关此类剪枝的示例，请参见使用成本复杂度剪枝的后剪枝决策树。

0.22版本新增。

max_samplesint或float，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本估计器。

  • 如果为None（默认值），则抽取X.shape[0]个样本。

  • 如果为int，则抽取max_samples个样本。

  • 如果为float，则抽取max_samples * X.shape[0]个样本。因此，max_samples应在区间(0.0, 1.0]内。

0.22版本新增。

monotonic_cst形状为(n_features,)的int型数组，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。

不支持以下情况的单调性约束：

  • 多输出回归（即当n_outputs_ > 1时），

  • 对包含缺失值的训练数据进行回归。

在用户指南中了解更多信息。

1.4版本新增。

属性:
estimator_ExtraTreeRegressor

用于创建拟合的子估计器集合的子估计器模板。

1.2版本新增： base_estimator_已重命名为estimator_。

estimators_DecisionTreeRegressor列表

拟合的子估计器集合。

feature_importances_形状为(n_features,)的ndarray

基于杂质的特征重要性。

n_features_in_int

在拟合过程中观察到的特征数量。

在0.24版本中添加。

feature_names_in_形状为(n_features_in_,)的ndarray

在拟合过程中观察到的特征名称。仅当X的特征名称全部为字符串时才定义。

在1.0版本中添加。

n_outputs_int

输出的数量。

oob_score_float

使用包外估计获得的训练数据集的得分。仅当oob_score为True时，此属性才存在。

oob_prediction_形状为(n_samples,)或(n_samples, n_outputs)的ndarray

使用训练集上的包外估计计算的预测值。仅当oob_score为True时，此属性才存在。

estimators_samples_数组列表

每个基础估计量的抽取样本子集。

另请参见

ExtraTreesClassifier

具有随机分割的额外树分类器。

RandomForestClassifier

具有最佳分割的随机森林分类器。

RandomForestRegressor

使用具有最佳分割的树的集成回归器。

备注

控制树的大小（例如max_depth，min_samples_leaf等）的参数的默认值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，应该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.datasets import load_diabetes
>>> from sklearn.model_selection import train_test_split
>>> from sklearn.ensemble import ExtraTreesRegressor
>>> X, y = load_diabetes(return_X_y=True)
>>> X_train, X_test, y_train, y_test = train_test_split(
...     X, y, random_state=0)
>>> reg = ExtraTreesRegressor(n_estimators=100, random_state=0).fit(
...    X_train, y_train)
>>> reg.score(X_test, y_test)
0.2727...
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{类数组，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最终所在的叶子的索引。

decision_path(X)[source]#

返回森林中的决策路径。

在0.18版本中添加。

参数：
X形状为(n_samples, n_features)的{类数组，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。该矩阵为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_#

每个基础估计量的抽取样本子集。

返回一个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而不存储采样数据，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会比预期慢。

property feature_importances_#

基于杂质的特征重要性。

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) 构建树林。

参数：
X形状为(n_samples, n_features)的{类数组，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，默认为None

样本权重。如果为None，则样本权重相等。在搜索每个节点中的分割时，将忽略创建子节点的净权重为零或负权重的分割。在分类的情况下，如果分割会导致任何单个类在任一子节点中具有负权重，则也会忽略分割。

返回:
self对象

拟合后的估计器。

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，则将返回此估计器和包含的子对象（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 的回归目标。

输入样本的预测回归目标计算为森林中树木的平均预测回归目标。

参数：
X形状为(n_samples, n_features)的{类数组，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

预测值。

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

返回预测的决定系数。

决定系数 \(R^2\) 定义为 \((1 - \frac{u}{v})\)，其中 \(u\) 是残差平方和 ((y_true - y_pred)** 2).sum()，而 \(v\) 是总平方和 ((y_true - y_true.mean()) ** 2).sum()。最佳分数是 1.0，它可以为负数（因为模型可以任意差）。一个始终预测 y 期望值的常数模型，忽略输入特征，其 \(R^2\) 分数为 0.0。

参数：
X形状为 (n_samples, n_features) 的类数组

测试样本。对于某些估计器，这可能是预先计算的核矩阵或形状为 (n_samples, n_samples_fitted) 的泛型对象列表，其中 n_samples_fitted 是估计器拟合中使用的样本数。

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

X 的真实值。

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

样本权重。

返回:
score浮点数

self.predict(X) 关于 y 的 \(R^2\)。

备注

从 0.23 版开始，在回归器上调用 score 时使用的 \(R^2\) 分数使用 multioutput='uniform_average'，以保持与 r2_score 的默认值一致。这会影响所有多输出回归器的 score 方法（MultiOutputRegressor 除外）。

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

请求传递给 fit 方法的元数据。

请注意，仅当 enable_metadata_routing=True 时（请参见 sklearn.set_config）此方法才相关。请参阅 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，如果提供则将其传递给 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，而无需更改其他参数。

1.3 版中新增。

注意

仅当将此估计器用作元估计器的子估计器时（例如，在 Pipeline 中使用）此方法才相关。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，因此可以更新嵌套对象的每个组件。

参数：
**params**字典

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 = '$UNCHANGED$') → ExtraTreesRegressor[source]#

传递给 score 方法的请求元数据。

请注意，仅当 enable_metadata_routing=True 时（请参见 sklearn.set_config）此方法才相关。请参阅 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，而无需更改其他参数。

1.3 版中新增。

注意

仅当将此估计器用作元估计器的子估计器时（例如，在 Pipeline 中使用）此方法才相关。否则，它无效。

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

score 方法中 sample_weight 参数的元数据路由。

返回:
self对象

更新后的对象。