用 Python 解释决策树答案

【问题标题】：Interpreting Decision Tree in Python用 Python 解释决策树
【发布时间】：2019-01-14 07:28:12
【问题描述】：

我在 python 中构建了一个决策树，但我正在努力解释它。树如下图所示。

这是流失模型的结果。我想知道如何解释以下内容：

  1. Number of children at home <=3.5  (Integer)
  2. MaritalStatus_M <= 0.5  (M- Married in here and was a binary. I was expecting either MaritalStatus_M=0 or =1)
  3. Sales Reason_Price<=0.5 (Binary. I was expecting either Sales Reason_Price=0 or =1)
  4. Tenure_Months<= 0.5 (Integer)

【问题讨论】：

标签： python machine-learning scikit-learn decision-tree

【解决方案1】：

树中的拆分决策更喜欢<= 关系有一些内部原因（而不是平等，即使后者似乎对人类读者更有意义），但是这样的表示细节不应该对解释造成任何困难，这就是您在此处询问的内容。

所以，实际上：

children <= 3.5 表示less than four children（假设变量为整数）
MaritalStatus_M <= 0.5 对于二进制变量意味着 MaritalStatus_M==0（即not married）
Sales Reason_Price<=0.5 对于二进制变量意味着 Sales Reason_Price==0
Tenure_Months<= 0.5 表示Tenure_Months==0（假设变量为整数）

【讨论】：

感谢您的回答，Tenure_months 是整数。一旦我得到“Tenure_Months
@L.G.是的，应该是Tenure_Months < 21 或Tenure_Months <= 20（翻译成同一个东西）
如果一个变量在一个分支中出现多次，我将如何解释？在图片中是 MIN_TXN_VALUE，橙色，类 Not_Churn。请阅读 MIN_TXN_VALUE 作为最低交易价值
@L.G.请在阅读树时尝试应用一些常识（据说树对此特别有用）。看不出你的意思——我能看到的唯一橙色Not_churn叶子大约是MAX_TXN_VALUE，而不是MIN；从MIN_TXN_VALUE <= 21.735 到True 的分支继续到MIN_TXN_VALUE <= 4.49（这并不矛盾），对于True，它最终到MAX_TXN_VALUE <= 4.49，这又与之前的节点不矛盾