DecisionTreeRegressor#

class sklearn.tree.DecisionTreeRegressor(*, criterion='squared_error', 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, ccp_alpha=0.0, monotonic_cst=None)[source]#

决策树回归器。

更多信息请参阅用户指南。

参数:

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

用于衡量分割质量的函数。支持的准则包括：“squared_error”（均方误差），它等同于方差减小作为特征选择准则，并使用每个终端节点的平均值最小化 L2 损失；“friedman_mse”，它使用均方误差和 Friedman 改进分数来寻找潜在分割；“absolute_error”（平均绝对误差），它使用每个终端节点的中位数最小化 L1 损失；以及“poisson”，它使用半均值泊松偏差的减小来寻找分割。

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{“best”, “random”}, default=”best”

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。

有关 max_depth 如何影响模型的示例，请参见决策树回归。

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 或 {“sqrt”, “log2”}, default=None

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。

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

控制估计器的随机性。即使将 splitter 设置为 "best"，特征在每次分割时也总是随机排列的。当 max_features < n_features 时，算法会在每次分割时随机选择 max_features 个特征，然后从这些特征中找到最佳分割。但是，即使 max_features=n_features，找到的最佳分割也可能在不同运行中有所不同。如果多个分割的准则改进相同，并且必须随机选择其中一个分割，就会出现这种情况。要在拟合期间获得确定性行为，必须将 random_state 固定为整数。有关详细信息，请参见词汇表。

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。

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.

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:

feature_importances_ndarray of shape (n_features,): 返回特征重要性。
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。
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

DecisionTreeClassifier: 决策树分类器。

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]

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

[2]

L. Breiman, J. Friedman, R. Olshen, and C. Stone, “Classification and Regression Trees”, Wadsworth, Belmont, CA, 1984.

[3]

T. Hastie, R. Tibshirani and J. Friedman. “Elements of Statistical Learning”, Springer, 2009.

[4]

L. Breiman, and A. Cutler, “Random Forests”, https://www.stat.berkeley.edu/~breiman/RandomForests/cc_home.htm

示例

>>> from sklearn.datasets import load_diabetes
>>> from sklearn.model_selection import cross_val_score
>>> from sklearn.tree import DecisionTreeRegressor
>>> X, y = load_diabetes(return_X_y=True)
>>> regressor = DecisionTreeRegressor(random_state=0)
>>> cross_val_score(regressor, X, y, cv=10)
...
...
array([-0.39, -0.46,  0.02,  0.06, -0.50,
       0.16,  0.11, -0.73, -0.30, -0.00])

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

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)[source]#

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)[source]#

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)[source]#

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）。使用 dtype=np.float64 和 order='C' 以获得最大效率。
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时，将忽略那些会创建净权重为零或负值的子节点的分割。
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()[source]#

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()[source]#

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()[source]#

返回决策树的叶子数量。

返回:

self.tree_.n_leavesint: 叶子数量。

get_params(deep=True)[source]#

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)[source]#

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)[source]#

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()。最佳得分为 1.0，它也可以是负值（因为模型可能任意差）。一个总是预测 y 期望值（不考虑输入特征）的常数模型将获得 $R^2$ 得分 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

自版本 0.23 起，调用回归器上的 score 时使用的 $R^2$ 得分使用 multioutput='uniform_average'，以与 r2_score 的默认值保持一致。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 = '$UNCHANGED$') → DecisionTreeRegressor[source]#