如何解释 sklearn.tree.export_graphviz 的输出？答案

【问题标题】：How do I interpret this output from sklearn.tree.export_graphviz?如何解释 sklearn.tree.export_graphviz 的输出？
【发布时间】：2018-09-16 11:42:32
【问题描述】：

我正在分析成绩数据。作为一种查看数据的新方法，我第一次使用决策树。我相信我有正确的代码，现在我正在尝试解释它。特征是一系列测验的成绩，分类是学生获得的最终成绩。我有几个问题：

如果我的理解是正确的，每个节点都有一个测试和一个左分支，表示测试为真，另一个为假。当这棵树似乎已经问了足够多的问题时，它就会说出“类”是什么。如果是这样的话，为什么在叶子之前的盒子上有一个 class=？我还以为只是叶子有class=
如何“调整”整个树？好像箱子太多了。这是“过度拟合”的一个例子吗？我怎样才能更好地调整它？
例如，FINAL_GRADE_PA01 的使用似乎是基于数据的排序任意的。这是真的还是分析实际上得出的结论是该特征是最好的鉴别器？

【问题讨论】：

您好。社区在帖子中讨论了礼貌和细节，并决定我们宁愿追求简洁和技术标准的写作。因此，请不要在帖子中添加感谢、问候、问候等内容。 Reference is here 在元上。
干得好@halfer :)

标签： machine-learning scikit-learn decision-tree

【解决方案1】：

如果我没记错的话，那些class 值表示如果模型停止在该节点上分支，它会预测什么。它仍然存储这些值，但如果该节点有分支，它就不会使用它们。

关于节点数，见docs：

控制大小的参数的默认值树（例如 max_depth、min_samples_leaf 等）导致完全生长和在某些数据集上可能非常大的未修剪树。为了减少内存消耗，树的复杂性和大小应该通过设置这些参数值来控制。

您可以使用几个参数来降低模型的复杂性。以下两个参数只是一个例子：

max_leaf_nodes：int 或 None，可选（默认=None）

以最佳优先方式使用 max_leaf_nodes 种植一棵树。最佳节点定义为杂质的相对减少。如果没有，那么无限叶节点数。

min_impurity_decrease：浮动，可选（默认=0。）

如果该分裂导致杂质减少大于或等于该值，则该节点将被分裂。

【讨论】：