python - 有没有办法强制随机森林回归器不适合截距？

Question

有没有办法拟合一个 sklearn 随机森林回归器，这样一个全 0 的输入会给我一个 0 的预测？对于线性模型，我知道我可以fit_intercept=False在初始化时简单地传入一个参数，并且我想为随机森林复制它。

基于树的模型实现我想要做的事情是否有意义？如果是这样，我该如何实施？

标签： pythonmachine-learningscikit-learnrandom-forestdecision-tree

Answer 1

简短的回答：不。

---

长答案：

基于树的模型与线性模型非常不同。截距的概念甚至不存在于树中。

为了了解为什么会这样，让我们​​改编文档中的简单示例（一个具有单个输入特征的决策树）：

import numpy as np
from sklearn.tree import DecisionTreeRegressor, plot_tree
import matplotlib.pyplot as plt

# Create a random dataset
rng = np.random.RandomState(1)
X = np.sort(5 * rng.rand(80, 1), axis=0)
y = np.sin(X).ravel()
y[::5] += 3 * (0.5 - rng.rand(16))

# Fit regression model
regr = DecisionTreeRegressor(max_depth=2)
regr.fit(X, y)

# Predict
X_test = np.arange(0.0, 5.0, 0.01)[:, np.newaxis]
y_pred = regr.predict(X_test)

# Plot the results
plt.figure()
plt.scatter(X, y, s=20, edgecolor="black",
            c="darkorange", label="data")
plt.plot(X_test, y_pred, color="cornflowerblue",
         label="max_depth=2", linewidth=2)
plt.xlabel("data")
plt.ylabel("target")
plt.title("Decision Tree Regression")
plt.legend()
plt.show()

这是输出：

粗略地说，决策树试图在本地逼近数据，因此任何全局尝试（例如截线）都不存在于它们的宇宙中。

回归树实际上作为输出返回的是训练样本的因变量的平均值y，这些样本在拟合期间最终出现在各个终端节点（叶子）中。为了看到这一点，让我们绘制上面刚刚拟合的树：

plt.figure()
plot_tree(regr, filled=True)
plt.show()

在这个非常简单的玩具示例中遍历树，您应该能够说服自己预测X=0是0.052（左箭头是True节点的条件）。让我们验证一下：

regr.predict(np.array([0]).reshape(1,-1))
# array([0.05236068])

我用一个非常简单的决策树说明了上面的内容，让您了解为什么这里不存在截距的概念；任何实际上基于决策树并由决策树（如随机森林）组成的模型也是如此的结论应该是直截了当的。