决策树分类器#

class sklearn.tree.DecisionTreeClassifier(*, criterion='gini', splitter='best', max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features=None, random_state=None, max_leaf_nodes=None, min_impurity_decrease=0.0, class_weight=None, ccp_alpha=0.0, monotonic_cst=None)[source]#

决策树分类器。

更多信息请参见用户指南。

参数：

criterion{“gini”, “entropy”, “log_loss”}, default=”gini”

用于衡量分割质量的函数。支持的标准包括用于基尼不纯度的“gini”以及用于香农信息增益的“log_loss”和“entropy”，参见数学公式。

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

用于选择每个节点分割策略的策略。支持的策略包括选择最佳分割的“best”和选择最佳随机分割的“random”。

max_depthint, default=None

树的最大深度。如果为None，则节点将扩展到所有叶子节点纯净或所有叶子节点包含少于min_samples_split样本。

min_samples_splitint 或 float, default=2

分割内部节点所需的最小样本数。

如果为整数，则将min_samples_split视为最小数量。
如果为浮点数，则min_samples_split是一个分数，ceil(min_samples_split * n_samples)是每个分割的最小样本数。

0.18版本中的变更：添加了浮点值以表示分数。

min_samples_leafint 或 float, default=1

叶节点所需的最小样本数。只有当在任何深度处的分割点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。这可能会使模型更加平滑，尤其是在回归中。

如果为整数，则将min_samples_leaf视为最小数量。
如果为浮点数，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。

0.18版本中的变更：添加了浮点值以表示分数。

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之和）的最小加权分数。当未提供sample_weight时，样本具有相等的权重。

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

查找最佳分割时要考虑的特征数量。

如果为整数，则在每次分割时考虑max_features个特征。
如果为浮点数，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都被考虑。
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。

注意

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

random_stateint, RandomState 实例或 None, default=None

控制估计器的随机性。即使splitter设置为"best"，在每次分割时特征总是会被随机排列。当max_features < n_features时，算法将在每次分割之前随机选择max_features个特征，然后在其中找到最佳分割。但是，即使max_features=n_features，最佳分割结果在不同运行中也可能会有所不同。如果标准的改进对于多个分割是相同的，并且必须随机选择一个分割，则会出现这种情况。为了在拟合过程中获得确定的行为，random_state必须固定为一个整数。详情请参见词汇表。

max_leaf_nodesint, default=None

以最佳优先的方式生成具有max_leaf_nodes个叶节点的树。最佳节点定义为杂质的相对减少。如果为None，则叶节点数量不受限制。

min_impurity_decreasefloat, default=0.0

如果此分割导致杂质减少大于或等于此值，则将分割节点。

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表示样本总数，N_t表示当前节点的样本数，N_t_L表示左子节点的样本数，N_t_R表示右子节点的样本数。

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。

class_weight字典、字典列表或“balanced”，默认为None

与类相关的权重，形式为{class_label: weight}。如果为None，则所有类的权重都假定为1。对于多输出问题，可以按y的列顺序提供字典列表。

请注意，对于多输出（包括多标签），应在每个列的每个类中使用其自己的字典定义权重。例如，对于四类多标签分类，权重应为[{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，计算公式为n_samples / (n_classes * np.bincount(y))

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，默认为0.0

用于最小成本复杂度剪枝的复杂度参数。将选择成本复杂度小于ccp_alpha的最大成本复杂度子树。默认情况下，不执行剪枝。详情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。

monotonic_cst形状为(n_features,)的整数型数组，默认为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。

多类分类（即n_classes > 2）、

多输出分类（即n_outputs_ > 1）、
在包含缺失值的数据上训练的分类
不支持单调性约束。

这些约束适用于正类的概率。

请阅读用户指南了解更多信息。

1.4版本新增。

属性：

classes_形状为(n_classes,)的ndarray或ndarray列表: 类标签（单输出问题）或类标签数组列表（多输出问题）。
feature_importances_形状为(n_features,)的ndarray: 返回特征重要性。
max_features_整数: max_features的推断值。
n_classes_整数或整数列表: 类的数量（对于单输出问题），或包含每个输出的类数量的列表（对于多输出问题）。
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才定义。

1.0版本新增。
n_outputs_整数: 执行fit时的输出数量。
tree_树实例: 底层的树对象。有关树对象的属性，请参考help(sklearn.tree._tree.Tree)，有关这些属性的基本用法，请参见理解决策树结构。

另请参见

决策树回归器: 决策树回归器。

备注

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和未剪枝的树，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。

predict方法使用numpy.argmax函数对predict_proba的输出进行操作。这意味着，如果预测概率最高的值相同，则分类器将预测classes_中索引最低的相同类。

参考文献

[1]

https://en.wikipedia.org/wiki/Decision_tree_learning

[2]

L. Breiman, J. Friedman, R. Olshen和C. Stone，“分类和回归树”，Wadsworth，Belmont，CA，1984。

[3]

T. Hastie，R. Tibshirani和J. Friedman。“统计学习要素”，Springer，2009。

[4]

L. Breiman和A. Cutler，“随机森林”，https://www.stat.berkeley.edu/~breiman/RandomForests/cc_home.htm

示例

>>> from sklearn.datasets import load_iris
>>> from sklearn.model_selection import cross_val_score
>>> from sklearn.tree import DecisionTreeClassifier
>>> clf = DecisionTreeClassifier(random_state=0)
>>> iris = load_iris()
>>> cross_val_score(clf, iris.data, iris.target, cv=10)
...                             
...
array([ 1.     ,  0.93...,  0.86...,  0.93...,  0.93...,
        0.93...,  0.93...,  1.     ,  0.93...,  1.      ])

apply(X, check_input=True)[source]#

返回每个样本预测为的叶子的索引。

0.17版本新增。

参数：

X形状为 (n_samples, n_features) 的 {类数组, 稀疏矩阵}: 输入样本。内部会将其转换为 dtype=np.float32，如果提供的是稀疏矩阵，则转换为稀疏 csr_matrix。
check_input布尔值，默认为 True: 允许绕过一些输入检查。除非你知道自己在做什么，否则不要使用此参数。

返回:

X_leaves形状为 (n_samples,) 的类数组: 对于 X 中的每个数据点 x，返回 x 最终所在的叶节点的索引。叶节点在 [0; self.tree_.node_count) 范围内编号，编号中可能存在间隙。

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

计算最小成本复杂度剪枝过程中的剪枝路径。

详情请参见最小成本复杂度剪枝。

参数：

X形状为 (n_samples, n_features) 的 {类数组, 稀疏矩阵}: 训练输入样本。内部会将其转换为 dtype=np.float32，如果提供的是稀疏矩阵，则转换为稀疏 csc_matrix。
y形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组: 目标值（类别标签），可以是整数或字符串。
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。在搜索每个节点的分割时，会忽略那些会创建净权重为零或负的子节点的分割。如果分割会导致任何单个类别在任何子节点中具有负权重，则也会忽略该分割。

返回:

ccp_pathBunch

类似字典的对象，具有以下属性。

ccp_alphasndarray: 剪枝过程中子树的有效 alpha 值。
impuritiesndarray: 对于 ccp_alphas 中对应的 alpha 值，子树叶节点的杂质总和。

decision_path(X, check_input=True)[source]#

返回树中的决策路径。

0.18 版本新增。

参数：

X形状为 (n_samples, n_features) 的 {类数组, 稀疏矩阵}: 输入样本。内部会将其转换为 dtype=np.float32，如果提供的是稀疏矩阵，则转换为稀疏 csr_matrix。
check_input布尔值，默认为 True: 允许绕过一些输入检查。除非你知道自己在做什么，否则不要使用此参数。

返回:

indicator形状为 (n_samples, n_nodes) 的稀疏矩阵: 返回一个节点指示符 CSR 矩阵，其中非零元素表示样本经过的节点。

property feature_importances_#

返回特征重要性。

特征的重要性计算为该特征带来的标准（归一化）总减少量。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具有误导性。请考虑使用 sklearn.inspection.permutation_importance 作为替代方法。

返回:

feature_importances_形状为 (n_features,) 的 ndarray: 特征带来的标准（基尼重要性）总减少量。

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

根据训练集 (X, y) 构建决策树分类器。

参数：

X形状为 (n_samples, n_features) 的 {类数组, 稀疏矩阵}: 训练输入样本。内部会将其转换为 dtype=np.float32，如果提供的是稀疏矩阵，则转换为稀疏 csc_matrix。
y形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组: 目标值（类别标签），可以是整数或字符串。
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。在搜索每个节点的分割时，会忽略那些会创建净权重为零或负的子节点的分割。如果分割会导致任何单个类别在任何子节点中具有负权重，则也会忽略该分割。
check_input布尔值，默认为 True: 允许绕过一些输入检查。除非你知道自己在做什么，否则不要使用此参数。

返回:

selfDecisionTreeClassifier: 拟合后的估计器。

get_depth()[source]#

返回决策树的深度。

树的深度是根节点与任何叶节点之间的最大距离。

返回:

self.tree_.max_depthint: 树的最大深度。

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_n_leaves()[source]#

返回决策树的叶节点数。

返回:

self.tree_.n_leavesint: 叶节点数。

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（这些子对象也是估计器）的参数。

返回:

params字典: 参数名称与其值的映射。

predict(X, check_input=True)[source]#

预测 X 的类别或回归值。

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：

X形状为 (n_samples, n_features) 的 {类数组, 稀疏矩阵}: 输入样本。内部会将其转换为 dtype=np.float32，如果提供的是稀疏矩阵，则转换为稀疏 csr_matrix。
check_input布尔值，默认为 True: 允许绕过一些输入检查。除非你知道自己在做什么，否则不要使用此参数。

返回:

y形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组: 预测的类别或预测值。

predict_log_proba(X)[source]#

预测输入样本 X 的类别对数概率。

参数：

X形状为 (n_samples, n_features) 的 {类数组, 稀疏矩阵}: 输入样本。内部会将其转换为 dtype=np.float32，如果提供的是稀疏矩阵，则转换为稀疏 csr_matrix。

返回:

proba形状为 (n_samples, n_classes) 的 ndarray 或 n_outputs 个此类数组的列表（如果 n_outputs > 1）: 输入样本的类别对数概率。类别的顺序与属性 classes_ 中的顺序一致。

predict_proba(X, check_input=True)[source]#

预测输入样本 X 的类别概率。

预测的类别概率是在叶节点中相同类别的样本的比例。

参数：

X形状为 (n_samples, n_features) 的 {类数组, 稀疏矩阵}: 输入样本。内部会将其转换为 dtype=np.float32，如果提供的是稀疏矩阵，则转换为稀疏 csr_matrix。
check_input布尔值，默认为 True: 允许绕过一些输入检查。除非你知道自己在做什么，否则不要使用此参数。

返回: