破解/克隆sklearn以支持修剪决策树吗？

Question

我想创建一个决策树，然后在python中修剪它。但是，sklearn本身不支持修剪。通过互联网搜索，我发现：https://github.com/sgenoud/scikit-learn/blob/4a75a4aaebd45e864e28cfca897121d1199e41d9/sklearn/tree/tree.py

但是我不知道如何使用该文件。我尝试过：

from sklearn.datasets import load_iris
import tree

clf = tree.DecisionTreeClassifier()
iris = load_iris()

clf = clf.fit(iris.data, iris.target)

但是我收到错误ValueError：尝试在非包中进行相对导入。那不是我的进口方式吗？我是否需要以其他方式保存文件？谢谢。

Answer 1

在Python中，模块（=其他语言的软件包）通常定义相互依赖的例程。在这种情况下，您不能仅下载一个.py文件并将其放入工作区（即源所在的目录）。而是将整个软件包下载到该文件夹​​中，然后相对导入，即像这样：

# a general import, should only be used if you are absolutely certain that there will be no namespace conflicts
from sklearn.tree.tree import * 
# a more "safe" way is to import the classes/functions you need explicitely
from sklearn.tree.tree import DecisionTreeClassifier

Answer 2

[如果您真的想使用2012年以来的sgenoud's 7-year-old fork中的scikit-learn，请在存储库的基本目录中使用git clone，不要只是尝试复制/克隆单个文件（当然，您会丢失自2012年以来的任何改进/修复；返回v 0.12）

但是这个想法听起来是错误的：您可以通过更改参数来尽早停止DecisionTreeClassifier parameters max_depth, min_samples, min_samples_leaf, min_impurity_decrease, min_impurity_split来获得较浅/修剪的树。查看文档并使用参数，它们可以满足您的要求。我从事ML已有10年以上的历史，从未见过需要破解DT源的事情。有很多充分的理由不这样做，也没有充分的理由。

（（如果您尝试使用DecisionTreeClassifier参数，但仍然无法获得所需的信息，请使用虹膜等开源数据集在此处发布可复制的代码示例，]