重复类名的决策树答案

【问题标题】：decision tree repeating class names重复类名的决策树
【发布时间】：2018-08-14 12:15:09
【问题描述】：

我有一个非常简单的数据/标签样本，我遇到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 格式如下：

所以，问题很明显，这两种可能性都适用。我做错了什么？

来自DOCS：

字符串列表，布尔型或无，可选（默认=无）
每个目标类别的名称按数字升序排列。仅与分类相关，不支持多输出。如果为 True，则显示类名的符号表示。

“...升序数字顺序”这对我来说没有多大意义，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）。

【问题讨论】：

类名实际上就是类的名称。这不是每个示例的标签。所以 0 类是“苹果”，1 类是“橙色”，所以我想你只需要传入 ['apple', 'orange']
试试class_names=unique(labels, 'stable')
@KenSyme，谢谢你，我想它必须排序正确吗？像sorted(set(labels))，因为如果我不这样做，它会显示错误放置（切换）。喜欢的可以回复你，我会尽快采纳的

标签： python python-3.x decision-tree sklearn-pandas

【解决方案1】：

类名实际上就是类的名称。这不是每个示例的标签。

所以一个类是'apple'，另一个是'orange'，所以你只需要传入['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 来适应您的决策树，然后使用labelEncoder.classes_ 属性传递到你的图表即。

【讨论】：