ExtraTreeRegressor#

class sklearn.tree.ExtraTreeRegressor(*, criterion='squared_error', splitter='random', max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features=1.0, random_state=None, min_impurity_decrease=0.0, max_leaf_nodes=None, ccp_alpha=0.0, monotonic_cst=None)[源代码]#

非常随机的树回归器。

Extra-trees 与经典的决策树在构建方式上有所不同。在寻找最佳分割点以将节点样本分成两组时，会为每个随机选择的 max_features 特征生成随机分割点，然后选择其中最佳的分割点。当 max_features 设置为 1 时，这相当于构建一个完全随机的决策树。

警告：Extra-trees 应仅在集成方法中使用。

更多信息请参阅 用户指南。

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

衡量分割质量的函数。支持的准则包括“squared_error”（均方误差，等同于方差减少作为特征选择标准，并最小化终端节点的均值所产生的 L2 损失）、“friedman_mse”（使用 Friedman 改进分数进行潜在分割的均方误差）、“absolute_error”（平均绝对误差，最小化终端节点的中间值所产生的 L1 损失）以及“poisson”（使用泊松偏差的减少来寻找分割点）。

版本 0.18 新增: 平均绝对误差 (MAE) 标准。

版本 0.24 中新增：泊松偏差准则。

splitter{“random”, “best”}, default=”random”

用于在每个节点处选择分割点的策略。支持的策略有“best”（选择最佳分割点）和“random”（选择最佳随机分割点）。

max_depthint, default=None

树的最大深度。如果为None，则节点会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数少于 min_samples_split。

min_samples_splitint or 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，ceil(min_samples_split * n_samples) 是每次分割的最小样本数。

版本 0.18 更改：添加了分数浮点值。

min_samples_leafint or float, default=1

叶节点所需的最小样本数。只有当分割点在左右分支中都留下至少 min_samples_leaf 个训练样本时，才会考虑该分割点。这可能具有平滑模型的效果，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，ceil(min_samples_leaf * n_samples) 是每个节点的最小样本数。

版本 0.18 更改：添加了分数浮点值。

min_weight_fraction_leaffloat, default=0.0

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

max_featuresint, float, {“sqrt”, “log2”} or None, default=1.0

寻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，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，则 max_features=n_features。

版本 1.1 中更改：max_features 的默认值从 "auto" 更改为 1.0。

注意：即使需要有效检查多于 max_features 个特征，搜索分割也不会停止，直到找到至少一个有效的节点样本分区。

random_stateint, RandomState instance or None, default=None

用于在每次分割时随机选择 max_features。有关详细信息，请参阅 术语表。

min_impurity_decreasefloat, default=0.0

如果此分割导致的不纯度降低大于或等于此值，则该节点将被分割。

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 是左子节点中的样本数，N_t_R 是右子节点中的样本数。

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

Added in version 0.19.

max_leaf_nodesint, default=None

以最佳优先方式构建具有 max_leaf_nodes 的树。最佳节点定义为杂质的相对减少。如果为 None，则表示叶子节点数量无限制。

ccp_alphanon-negative float, default=0.0

用于最小成本复杂性剪枝的复杂性参数。将选择具有大于 ccp_alpha 的最大成本复杂性的子树。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性剪枝。有关此类剪枝的示例，请参阅使用成本复杂性剪枝对决策树进行后剪枝。

版本 0.22 新增。

monotonic_cstarray-like of int of shape (n_features), default=None
指示要对每个特征施加的单调性约束。

  • 1：单调增加

  • 0：无约束

  • -1：单调减少

如果 monotonic_cst 为 None，则不应用任何约束。

单调性约束不支持以下情况：

  • 多输出回归（即当 n_outputs_ > 1 时），

  • 在具有缺失值的数据上训练的回归。

欲了解更多信息，请阅读 用户指南。

1.4 版本新增。

属性:
max_features_int

推断的 max_features 值。

n_features_in_int

在 拟合 期间看到的特征数。

0.24 版本新增。

feature_names_in_shape 为 (n_features_in_,) 的 ndarray

在 fit 期间看到的特征名称。仅当 X 具有全部为字符串的特征名称时才定义。

1.0 版本新增。

feature_importances_ndarray of shape (n_features,)

返回特征重要性。

n_outputs_int

执行 fit 时的输出数。

tree_Tree 实例

底层 Tree 对象。请参考 help(sklearn.tree._tree.Tree) 来了解 Tree 对象的属性，以及 理解决策树结构 来了解这些属性的基本用法。

另请参阅

ExtraTreeClassifier

非常随机的树分类器。

sklearn.ensemble.ExtraTreesClassifier

Extra-Trees 分类器。

sklearn.ensemble.ExtraTreesRegressor

Extra-Trees 回归器。

注意事项

控制树大小的参数（例如 max_depth、min_samples_leaf 等）的默认值会导致完全生长的、未剪枝的树，这在某些数据集上可能会非常大。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。

References

[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 BaggingRegressor
>>> from sklearn.tree import ExtraTreeRegressor
>>> X, y = load_diabetes(return_X_y=True)
>>> X_train, X_test, y_train, y_test = train_test_split(
...     X, y, random_state=0)
>>> extra_tree = ExtraTreeRegressor(random_state=0)
>>> reg = BaggingRegressor(extra_tree, random_state=0).fit(
...     X_train, y_train)
>>> reg.score(X_test, y_test)
0.33
apply(X, check_input=True)[源代码]#

返回每个样本被预测为的叶子节点的索引。

版本0.17中新增。

参数:
Xshape 为 (n_samples, n_features) 的 {array-like, sparse matrix}

输入样本。在内部，它将转换为 dtype=np.float32，如果提供了稀疏矩阵，则转换为稀疏的 csr_matrix。

check_inputbool, default=True

允许绕过多项输入检查。除非您清楚自己在做什么，否则请勿使用此参数。

返回:
X_leavesarray-like of shape (n_samples,)

对于 X 中的每个数据点 x，返回 x 最终所属叶节点的索引。叶子节点在 [0; self.tree_.node_count) 范围内编号，可能存在编号间隙。

cost_complexity_pruning_path(X, y, sample_weight=None)[源代码]#

在最小成本复杂度剪枝期间计算剪枝路径。

有关剪枝过程的详细信息，请参阅 最小成本复杂度剪枝。

参数:
Xshape 为 (n_samples, n_features) 的 {array-like, sparse matrix}

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

yshape 为 (n_samples,) 或 (n_samples, n_outputs) 的 array-like

目标值（类标签），可以是整数或字符串。

sample_weightshape 为 (n_samples,) 的 array-like, default=None

样本权重。如果为 None，则样本权重相等。在每个节点中搜索分割点时，会忽略会导致子节点净权重为零或负数的分割点。如果任何单个类在任一子节点中带有负权重，也会忽略这些分割点。

返回:
ccp_pathBunch

Dictionary-like object, with the following attributes.

ccp_alphasndarray

剪枝过程中子树的有效 alpha 值。

impuritiesndarray

对应于 ccp_alphas 中 alpha 值的子树叶子杂质之和。

decision_path(X, check_input=True)[源代码]#

返回树中的决策路径。

版本 0.18 新增。

参数:
Xshape 为 (n_samples, n_features) 的 {array-like, sparse matrix}

输入样本。在内部，它将转换为 dtype=np.float32，如果提供了稀疏矩阵，则转换为稀疏的 csr_matrix。

check_inputbool, default=True

允许绕过多项输入检查。除非您清楚自己在做什么，否则请勿使用此参数。

返回:
indicatorsparse matrix of shape (n_samples, n_nodes)

返回一个节点指示器 CSR 矩阵，其中非零元素表示样本通过了这些节点。

fit(X, y, sample_weight=None, check_input=True)[源代码]#

从训练集 (X, y) 构建决策树回归器。

参数:
Xshape 为 (n_samples, n_features) 的 {array-like, sparse matrix}

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

yshape 为 (n_samples,) 或 (n_samples, n_outputs) 的 array-like

目标值（实数）。为了获得最高效率，请使用 dtype=np.float64 和 order='C'。

sample_weightshape 为 (n_samples,) 的 array-like, default=None

样本权重。如果为 None，则样本权重相等。在每个节点中搜索分割点时，会忽略会导致子节点净权重为零或负数的分割点。

check_inputbool, default=True

允许绕过多项输入检查。除非您清楚自己在做什么，否则请勿使用此参数。

返回:
selfDecisionTreeRegressor

拟合的估计器。

get_depth()[源代码]#

返回决策树的深度。

树的深度是根节点到任何叶子节点的最大距离。

返回:
self.tree_.max_depthint

树的最大深度。

get_metadata_routing()[源代码]#

获取此对象的元数据路由。

请查阅 用户指南，了解路由机制如何工作。

返回:
routingMetadataRequest

封装路由信息的 MetadataRequest。

get_n_leaves()[源代码]#

返回决策树的叶子数量。

返回:
self.tree_.n_leavesint

叶子数量。

get_params(deep=True)[源代码]#

获取此估计器的参数。

参数:
deepbool, default=True

如果为 True，将返回此估计器以及包含的子对象（如果它们是估计器）的参数。

返回:
paramsdict

参数名称映射到其值。

predict(X, check_input=True)[源代码]#

为 X 预测类别或回归值。

对于分类模型，返回 X 中每个样本的预测类别。对于回归模型，返回基于 X 的预测值。

参数:
Xshape 为 (n_samples, n_features) 的 {array-like, sparse matrix}

输入样本。在内部，它将转换为 dtype=np.float32，如果提供了稀疏矩阵，则转换为稀疏的 csr_matrix。

check_inputbool, default=True

允许绕过多项输入检查。除非您清楚自己在做什么，否则请勿使用此参数。

返回:
yshape 为 (n_samples,) 或 (n_samples, n_outputs) 的 array-like

预测的类别或预测值。

score(X, y, sample_weight=None)[源代码]#

返回测试数据的 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()，\(v\) 是总平方和 ((y_true - y_true.mean()) ** 2).sum()。最佳分数是 1.0，并且可以是负数（因为模型可能比任意糟糕）。一个常数模型，它始终预测 y 的期望值，而忽略输入特征，其 \(R^2\) 分数将为 0.0。

参数:
Xshape 为 (n_samples, n_features) 的 array-like

测试样本。对于某些估计器，这可能是一个预先计算的核矩阵或一个通用对象列表，形状为 (n_samples, n_samples_fitted)，其中 n_samples_fitted 是用于估计器拟合的样本数。

yshape 为 (n_samples,) 或 (n_samples, n_outputs) 的 array-like

X 的真实值。

sample_weightshape 为 (n_samples,) 的 array-like, default=None

样本权重。

返回:
scorefloat

self.predict(X) 相对于 y 的 \(R^2\)。

注意事项

从 0.23 版本开始，用于调用回归器 score 方法的 \(R^2\) 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（除了 MultiOutputRegressor）的 score 方法。

set_fit_request(*, sample_weight: bool | None | str = '$UNCHANGED$') → ExtraTreeRegressor[源代码]#

配置是否应请求元数据以传递给 fit 方法。

请注意，此方法仅在以下情况下相关：此估计器用作 元估计器 中的子估计器，并且通过 enable_metadata_routing=True 启用了元数据路由（请参阅 sklearn.set_config）。请查看 用户指南 以了解路由机制的工作原理。

每个参数的选项如下：

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

  • 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：应将元数据以给定别名而不是原始名称传递给元估计器。

默认值 (sklearn.utils.metadata_routing.UNCHANGED) 保留现有请求。这允许您更改某些参数的请求而不更改其他参数。

在版本 1.3 中新增。

参数:
sample_weightstr, True, False, or None, default=sklearn.utils.metadata_routing.UNCHANGED

fit 方法中 sample_weight 参数的元数据路由。

返回:
selfobject

更新后的对象。

set_params(**params)[源代码]#

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（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:
selfestimator instance

估计器实例。

set_score_request(*, sample_weight: bool | None | str = '$UNCHANGED$') → ExtraTreeRegressor[源代码]#

配置是否应请求元数据以传递给 score 方法。

请注意，此方法仅在以下情况下相关：此估计器用作 元估计器 中的子估计器，并且通过 enable_metadata_routing=True 启用了元数据路由（请参阅 sklearn.set_config）。请查看 用户指南 以了解路由机制的工作原理。

每个参数的选项如下：

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

  • 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：应将元数据以给定别名而不是原始名称传递给元估计器。

默认值 (sklearn.utils.metadata_routing.UNCHANGED) 保留现有请求。这允许您更改某些参数的请求而不更改其他参数。

在版本 1.3 中新增。

参数:
sample_weightstr, True, False, or None, default=sklearn.utils.metadata_routing.UNCHANGED

score 方法中 sample_weight 参数的元数据路由。

返回:
selfobject

更新后的对象。