DecisionTreeClassifier
:DecisionTreeClassifier
中的value是每个节点samples的类别分割。
请注意,如果在调用fit()
时加权了类,则value可能也会被加权。
例如:
cw={0: 0.6495288248337029, 1: 2.1719184430027805}
>>> [3819.229 / cw[0], 1216.274 / cw[1]]
[5880, 560]
如果不清楚的话,您的标准是基于加权分割计算的:
>>> a, b = 3819.229, 1216.274
>>> ab = a + b
>>> (-(a / ab)*math.log2(a / ab)) - ((b / ab)*math.log2(b / ab))
0.7975914228753467
DecisionTreeRegressor
:DecisionTreeRegressor
中的value是指该节点对于一个新样本预测的值。如果你的评价标准是均方误差(MSE),你会发现value是该节点中样本的平均测量值。
例如:
*(数据:Seaborn的“dots”示例集。)
拟合在相干性上预测发射率的深度1回归树。它不是非常有用的树,但它说明了这个想法。
对于当前节点, value的计算方式为:
>>> value = data[data.coherence <= 19.2].firing_rate.mean()
>>> value
40.48326118418657
squared_error
>>> ((data[data.coherence <= 19.2].firing_rate - value)**2).mean()
134.6504380931471
[300, 2]
。然后,您可以说所有这些样本都是类0。
DecisionTreeRegressor
中,特别是对于内部节点,你有什么想法它的含义是什么? - zyxue