我正在开发一个使用DecisionTreeRegressor的模型。 我使用训练数据构建并拟合了树，并从最近的数据中预测结果以确认模型的准确性。
要构建和适合树，请执行以下操作： X = np.matrix （ pre_x ） y = np.matrix（ pre_y ） regr_b = 决策树回归器（max_depth = 4 ） regr_b.fit（X， y）
要预测新数据，请执行以下操作： X = np.matrix （ pre_test_x ） trial_pred = regr_b.predict（X， check_input=True）
trial_pred是预测值的数组。 我需要将其连接回pre_test_x以便我可以看到预测与实际发生的事情的匹配程度。
我尝试过合并：
all_pred = pre_pre_test_x.merge(predictions, left_index = True, right_index = True)
和
all_pred = pd.merge (pre_pre_test_x, predictions, how='left', left_index=True, right_index=True )
并且要么不获取任何结果，要么获取附加到数据帧底部的列的第二个副本，并在所有现有列中具有 NaN。
事实证明这很简单。 将预测输出保留为数组，然后运行： w_pred = pre_pre_test_x.copy（deep=True） w_pred['pred_val']=trial_pred