决策树重复类名问题

Question

我有一个非常简单的数据/标签样本，我的问题是生成的决策树（pdf）重复了类名：

from sklearn import tree
from sklearn.externals.six import StringIO  
import pydotplus

features_names = ['weight', 'texture']
features = [[140, 1], [130, 1], [150, 0], [110, 0]]
labels = ['apple', 'apple', 'orange', 'orange']

clf = tree.DecisionTreeClassifier()
clf.fit(features, labels)

dot_data = StringIO()
tree.export_graphviz(clf, out_file=dot_data, 
                         feature_names=features_names,  
                         class_names=labels,  
                         filled=True, rounded=True,  
                         special_characters=True,
                         impurity=False)

graph = pydotplus.graph_from_dot_data(dot_data.getvalue()) 
graph.write_pdf("apples_oranges.pdf")

生成的PDF文件如下：

所以，问题很明显，两种可能性都是苹果。我做错了什么？

来自 DOCS：

列表字符串、布尔值或None，可选（默认为None） 每个目标类别的名称按升序排列。仅适用于分类，不支持多输出。如果为True，则显示类名的符号表示。

“…按升序排列”的意思对我来说不太清楚，如果我将kwarg更改为：

class_names=sorted(labels)

结果是一样的（在这种情况下很明显）。

- Hula Hula

---

类名字面上就是类的名称。它不是每个示例的标签。因此，类0是“apple”，类1是“orange”，所以我想你只需要传入['apple', 'orange']即可。 - Ken Syme

尝试使用class_names=unique(labels, 'stable')。 - Dan

@KenSyme，谢谢你。我想这个问题必须要排序对吧？就像 sorted(set(labels)) 这样，因为如果我不这样做的话，它会显示错误的位置（交换）。如果你愿意，你可以回答，我会尽快接受它。 - Hula Hula

Answer 1

类名字面上就是类的名称。它不是每个示例的标签。

因此，一个类是“apple”，另一个类是“orange”，所以您只需要传入['apple'，'orange']。

关于顺序，为了使其正确一致，您可以使用LabelEncoder将目标转换为整数int_labels = labelEncoder.fit_transform(labels)，使用int_labels来拟合决策树，然后使用labelEncoder.classes_属性传递到您的图形可视化工具中。

- Ken Syme

Answer 2

类名应该是您的标签名称集合，并按升序传递。您可以直接这样做

labels_set = sorted(labels.unique())

- Carol