scikit，分类列，决策树

Question

我确实找到了关于scikit分类变量的线程。但我找不到一个简单的答案。我确实意识到在构建决策树时，sklearn错误用于分类数据，并且有关于矢量化器等的建议。我尝试了 evrything，但我无法创建决策树。我的表有很多带有字符串的列，我尝试了矢量化器、多标签二进制器等。没有看到任何工作。我无法export_graphviz和显示树，因为根本没有树。我对此很陌生。我真诚地请求帮助我了解如何处理这些专栏。我正在拆分数据 80-20 用于训练和测试。然后我试图建造一棵树。只是一段快速的代码：

  dtree=DecisionTreeClassifier(random_state=0)
  mlb = preprocessing.MultiLabelBinarizer()
  n_train = mlb.fit_transform(train)
  n_test = mlb.transform(test) 
  dec_tree=dtree.fit(n_train,n_test)

我确实得到了这个答案，我很困惑：

  DecisionTreeClassifier(class_weight=None, criterion='gini',  
        max_depth=None,
        max_features=None, max_leaf_nodes=None, min_samples_leaf=1,
        min_samples_split=2, min_weight_fraction_leaf=0.0,
        random_state=0, splitter='best')

请告知如何进行。

Answer 1

为了使分类变量可以被分类器使用，一种可能性是使用scikit-learn的OneHodEncoder。

您应该注意，没有变量具有出现次数太少的水平。如果您不想或无法手动检查此设置，请使用 EveranceThreshold 对变量方差的阈值。

---

如果您使用 pandas DataFrame 作为结构，pandas.get_dummies(DataFrame["variable"]) 将为您构建虚拟变量。

Answer 2

尝试对特征进行编码。您应该在 dtree.fit（） 函数中使用标签（要预测的列）作为第二个参数，但使用测试数据作为第二个参数。检查此内容以了解使用决策树分类器拟合函数的正确方法