如何找到决策树分类的特征名称？

Question

我正在尝试查找我的决策树的特征信息。更具体地说，如果 183 出现在我的树可视化中，我希望能够分辨出它是什么。我尝试过 dtModel.getInputCol() 但收到以下错误。

AttributeError: 'DecisionTreeClassificationModel' object has no attribute 'getInputCol'

这是我当前的代码：

from pyspark.ml.classification import DecisionTreeClassifier

# Create initial Decision Tree Model
dt = DecisionTreeClassifier(labelCol="label", featuresCol="features", maxDepth=3)

# Train model with Training Data
dtModel = dt.fit(trainingData)
display(dtModel)

如果您可以提供帮助或需要更多信息，请告诉我。谢谢你。

Answer 1

请参阅取自 Spark doc 的示例（我尝试使名称与您的代码一致，尤其是

featuresCol="features"

）。

我假设你有一些像这样的代码（在你在问题中发布的代码之前）：

featureIndexer = VectorIndexer(inputCol="inputFeatures", outputCol="features", maxCategories=4).fit(data)

在此步骤之后，您将

"features"

作为索引功能，然后将其提供给

DecisionTreeClassifier

（如您发布的代码）：

# Train a DecisionTree model.
dt = DecisionTreeClassifier(labelCol="indexedLabel", featuresCol="features")

你要找的是上面的

inputFeatures

，这是被索引之前的原始特征。如果您想打印它，只需执行以下操作：

sc.parallelize(inputFeatures, 1).saveAsTextFile("absolute_path") 

Answer 2

使用管道来调用其

.transform()

方法。

通过您的评论，您通过

trainingData

为

DecisionTreeClassifier()

做好了准备。嵌入

VectorAssembler()

中，通过其

Pipeline

方法获得您想要的好东西。.transform()

使用 

from pyspark.ml.feature import VectorAssembler
from pyspark.ml.classification import DecisionTreeClassifier
from pyspark.ml import Pipeline

vec_assembler = VectorAssembler(inputCols = ["c1", "c2"], outputCol = 'features')
dtModel = DecisionTreeClassifier(labelCol = 'label', maxDepth = 3)
pipeline = Pipeline(stages = [vec_assembler, dtModel])
pipeline_model = pipeline.fit(trainingData)
trainingData_transformed = pipeline_model.transform(trainingData)  # <-- Abracadabra!

查看其新列。此外，还有元数据。挖掘以获取列索引的字典。尝试一下

display(trainingData_transformed)

看到类似的东西

feature_map = trainingData_transformed.schema['features'].metadata['ml_attr']['attrs']
feature_map

如果您还在 

{'numeric': [{'idx': 0, 'name': 'c1'}, {'idx': 1, 'name': 'c2'}]}

中添加了

feature_map

，则

StringIndexer

字典将具有更多结构，但您可以从这里获取它。您的情况中的

pipeline

应具有类似于

feature_map

的条目。