如何在 sklearn DecisionTreeClassifier 中走特定路径

Question

这里有点菜鸟，我很难找到解决方案：

这是我的决策树：

这是输出

print(dt.tree_.__getstate__())

{'max_depth': 3, 'node_count': 7,
'nodes': array([( 1,  6, 19,  0.5, 0.41848786, 1382, 1382.),
( 2,  5, 12,  0.5, 0.49534472,  912,  912.),
( 3,  4,  3,  0.5, 0.43366519,  604,  604.),
(-1, -1, -2, -2. , 0.33618881,  449,  449.),
(-1, -1, -2, -2. , 0.47150884,  155,  155.),
(-1, -1, -2, -2. , 0.        ,  308,  308.),
(-1, 1, -2, -2. , 0.        ,  470,  470.)],
dtype=[('left_child', '<i8'), ('right_child', '<i8'), ('feature', '<i8'), ('threshold', '<f8'), ('impurity', '<f8'), ('n_node_samples', '<i8'), ('weighted_n_node_samples', '<f8')]), 'values': array([[[970., 412.]],
[[500., 412.]],
[[192., 412.]],
[[ 96., 353.]],
[[ 96.,  59.]],
[[308.,   0.]],
[[470.,   0.]]])}

（我冒昧地重新格式化了一下，因为 SO 一直在抱怨）。

这是我的任务：

• 确定样本决策树的最终结果（类别）：

buying_vhigh = 1
persons_2 = 0
safety_low = 0

我的问题是：有没有办法在代码（python）中做到这一点？显然通过检查是微不足道的，但我希望能够让机器去做。

Answer 1

一种方法是将您的值放入字典中，然后依次将其放入

DataFrame

。通过这样做，变量被命名并且它们不必以正确的顺序排列。但是上课的关键部分是使用

dt.predict()

：

import pandas as pd

# Define the given sample with feature names
sample = {
    'buying_vhigh': 1,
    'persons_2': 0,
    'safety_low': 0
}

# Create a pandas DataFrame with the given sample
sample_df = pd.DataFrame([sample])

# Use the predict method to make a prediction for the given sample
prediction = dt.predict(sample_df)

# Print the predicted class
print("The predicted class is:", prediction[0])