Ich habe alten Code mit dem DecisionTreeClassifier von scikit-learn. Ich würde gerne Teilplots basierend auf diesem Klassifikator machen.
Alle Beispiele, die ich bisher gesehen habe (z. B. Ссылка ) verwende "GradientBoostingRegressor" als Klassifizierer.
Meine Frage ist, ist es möglich, Teilplots für andere Klassifikatoren zu erstellen (zB.DecisionTreeClassifier). Ich habe den folgenden Code ausprobiert:
%Vor%und es funktioniert nicht.
%Vor%Ich habe einige Kommentare im Internet (Quora) gefunden:
Partielle Abhängigkeitsdiagramme hängen überhaupt nicht von der speziellen Wahl des Klassifizierers ab. Das Partial Dependency Plot-Modul, das für das Beispiel der Gradientenverstärkung verwendet wird, funktioniert gut, wenn Sie einen zufälligen Gesamtstrukturklassifizierer austauschen.
Allerdings weiß ich immer noch nicht, wie es funktioniert.
Auch für R scheint es, als könnte ich Teilplots für das randomForest-Paket machen. Allerdings bin ich mir nicht ganz sicher, wie der Zufallswald implementiert wird, in dem R-Handbuch zitiert der Autor Andy Liaw die Referenz "Friedman, J. (2001). Gierige Funktionsapproximation: die Gradientenverstärkungsmaschine, Ann. Of Stat."
Bedeutet das, dass ich Gradienten-Boosting verwenden muss, um partielle Plots zu erhalten?
Jede Hilfe wird geschätzt. Vielen Dank!
Wie Ihre Fehlermeldung besagt, müssen Sie einen Klassifizierer verwenden, der eine Basisklasse von BaseGradientBoosting hat.
Aus der von Ihnen geposteten Dokumentation:
gbrt: BaseGradientBoosting
Ein angepasstes Gradientenverstärkungsmodell
Sowohl GradientBoostingClassifier als auch GradientBoostingRegressor erben von BaseGradientBoosting ( Quelle ), also sollte theoretisch jede dieser Klassen funktionieren. Was den Rest dieser Klassifikatoren anbelangt, scheinen sie nicht von der Funktion plot_partial_dependence unterstützt zu werden.
Tags und Links python r scikit-learn