python - 从 Scikit-Learn 决策树模型中获取特定数据
问题描述
我目前正在使用Scikit-Learn
特别是决策树分类器进行练习。我正在使用的数据都设置为分类数据,我们仅限于NOT
使用OHE
或缩放。(我认为我们可以用数字重新标记,并且回归器/分类器不喜欢我所理解的类别或字符串)。
我想知道如何执行以下操作:
将数据的描述性特征之一设置为“根节点”,然后查看该根节点的每个类别,找到目标特征的每个类别/值的概率,最后找到“叶子预测” " 给定的根节点类别。
如果需要,我很乐意提供更清晰的信息~
谢谢!
解决方案
推荐阅读
- azure-active-directory - Azure AD 自动添加了 offline_access
- r - 缺少参数“mainPanel”,没有默认值
- git - 我如何恢复提交和取消提交(?)文件?
- firebase - 您如何获得服务器上所有令牌的值?
- mongodb - 来自 MongoDB 查询的排序结果
- testing - 使用 Yii2 的 Codeception 的 see() 方法不显示页面的全部内容
- j - J 打印状态栏和百分比
- java - 如何在运行时 Spring Boot 中更新 application.properties
- python-2.7 - 无法导入 yaml - python=2.7 的 anaconda 虚拟环境
- node.js - 如何在不同的模块中构建你的 NodeJS 应用程序?