如何在 Python 中绘制回归树答案

【问题标题】：How to plot a regression tree in Python如何在 Python 中绘制回归树
【发布时间】：2019-09-23 12:09:00
【问题描述】：

所以，首先，我对 Python 比较陌生，所以我不确定如何完成我的任务。我正在关注如何使用 Iris 数据集（用于分类）绘制决策树的在线教程。但是，我试图从回归中绘制一棵树。

以下是我使用的数据片段：

这是我使用的代码：

# Import Libraries and Load Data
import pandas as pd 
data = pd.read_csv("/Users/.../Desktop/cars_test.csv") 
import matplotlib.pyplot as plt
import numpy as np
cars = data

# Model
from sklearn.ensemble import RandomForestRegressor
model = RandomForestRegressor(n_estimators=10)

# Train
model.fit(cars.data, cars.target)

# Extract single tree for analysis
estimator = model.estimators_[5]

但是，我遇到了一个不知道如何解决的错误...我遇到的错误是：

AttributeError                            Traceback (most recent call
last) <ipython-input-27-37164305d7fe> in <module>()
     10 
     11 # Train
---> 12 model.fit(cars.data, cars.target)
     13 
     14 # Extract single tree for analysis

~/anaconda3/lib/python3.6/site-packages/pandas/core/generic.py in
__getattr__(self, name)    4370             if self._info_axis._can_hold_identifiers_and_holds_name(name):    4371   
return self[name]
-> 4372             return object.__getattribute__(self, name)    4373     4374     def __setattr__(self, name, value):

AttributeError: 'DataFrame' object has no attribute 'data'

关于我做错了什么有什么建议吗？

【问题讨论】：

标签： python matplotlib scikit-learn decision-tree

【解决方案1】：

您需要调整代码以处理您自己的数据（请注意，您加载的 DataFrame 没有target 或data 的属性）。这意味着从原始数据集中提取输入数据矩阵 (X) 和响应变量 (y)。我在这里做了一些假设，但你可以做出相应的调整。

# Import Libraries and Load Data
import pandas as pd 
data = pd.read_csv("/Users/.../Desktop/cars_test.csv") 
import matplotlib.pyplot as plt
import numpy as np
cars = data

# Model
from sklearn.ensemble import RandomForestRegressor
model = RandomForestRegressor(n_estimators=10)

X = cars.loc[:, cars.columns != 'th_km_per_year'].values
y = cars['th_km_per_year'].values

# Train
model.fit(X, y)

# Extract single tree for analysis
estimator = model.estimators_[5]

【讨论】：