sklearn.ensemble.ExtraTreesRegressor¶
class sklearn.ensemble.ExtraTreesRegressor(n_estimators=100, *, criterion='mse', max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features='auto', max_leaf_nodes=None, min_impurity_decrease=0.0, min_impurity_split=None, bootstrap=False, oob_score=False, n_jobs=None, random_state=None, verbose=0, warm_start=False, ccp_alpha=0.0, max_samples=None)
极端随机树回归器。
此类实现一种元估计器，该估计器可将多个随机决策树（又名极端随机树）拟合到数据集的各个子样本上，并使用平均来提高预测准确性和控制过度拟合。
在用户指南中阅读更多内容。
| 参数 | 说明 |
|---|---|
| n_estimators | int, default=100 森林中树木的数量。 在版本0.22中更改：默认值 n_estimators在0.22中从10更改为100。 |
| criterion | {“mse”, “mae”}, default=”mse” 该函数用来测量分割的质量。支持的准则为均方误差的“mse”，等于方差减少作为特征选择准则，支持的准则为平均绝对误差的“mae”。 版本0.18中的*新功能：平均绝对误差（MAE）标准。 |
| max_depth | int, default=None 树的最大深度。如果为None，则将节点展开，直到所有叶子都是纯净的，或者直到所有叶子都包含少于min_samples_split个样本。 |
| min_samples_split | int or float, default=2 拆分内部节点所需的最少样本数： - 如果为int，则认为 min_samples_split是最小值。- 如果为float， min_samples_split则为分数， 是每个拆分的最小样本数。ceil(min_samples_split * n_samples)在版本0.18中更改：添加了分数的浮点值。 |
| min_samples_leaf | int or float, default=1 在叶节点处需要的最小样本数。仅在任何深度的分裂点在 min_samples_leaf左分支和右分支中的每个分支上至少留下训练样本时才会被考虑。同时，这种情况可能具有平滑模型的效果，尤其是在回归中。- 如果为int，则认为 min_samples_leaf是最小值。- 如果为float， min_samples_leaf则为分数, 是每个节点的最小样本数。ceil(min_samples_leaf * n_samples)在版本0.18中更改：添加了分数的浮点值。 |
| min_weight_fraction_leaf | float, default=0.0 一个叶节点上所需的(所有输入样本的)总权重的最小加权分数。如果未提供sample_weight，则样本的权重相等。 |
| max_features | {“auto”, “sqrt”, “log2”}, int or float, default=”auto” 寻找最佳分割时要考虑的功能数量： - 如果为int，则 max_features在每个分割处考虑特征。- 如果为float， max_features则为小数，并 在每次拆分时考虑要素。- 如果为auto，则为 max_features=sqrt(n_features)。- 如果是sqrt，则 max_features=sqrt(n_features)。- 如果为log2，则为 max_features=log2(n_features)。- 如果为None，则 max_features=n_features。注意：直到找到至少一个有效的节点样本分区，分割的搜索才会停止，即使它需要有效检查多于 max_features个数的要素也是如此。 |
| max_leaf_nodes | int, default=Nonemax_leaf_nodes以最好的方式进行“种树”。杂质的相对减少的节点被当作最佳节点。如果为None，则叶节点数不受限制。 |
| min_impurity_decrease | float, default=0.0 如果节点分裂会导致杂质的减少大于或等于该值，则该节点将被分裂。 加权减少杂质的方程式如下： N_t / N * (impurity - N_t_R / N_t * right_impurity - N_t_L / N_t * left_impurity)其中， N是样本总数，N_t是当前节点上N_t_L的样本数，是左子节点中的样本N_t_R数，是右子节点中的样本数。N，N_t，N_t_R并且N_t_L都指的是加权和，如果sample_weight获得通过。版本0.19中的新功能。 |
| min_impurity_split | float, default=None 树提升提前停止的阈值。如果节点的杂质高于阈值，则该节点将分裂，否则为叶。 - 从版本0.19 min_impurity_split开始不推荐使用：在版本0.19中不再推荐使用 min_impurity_decrease。的默认值 min_impurity_split在0.23中从1e-7更改为0，并将在0.25中删除。使用min_impurity_decrease代替。 |
| bootstrap | bool, default=False 创建树时是否使用引导程序样本。如果为False，则将整个数据集用于构建每棵树。 |
| oob_score | bool, default=False 是否使用袋外样本估计泛化精度。 |
| n_jobs | int, default=None 要并行运行的作业的数量。 fit, predict, decision_path 和 apply都在树中并行化。除非在一个joblib.parallel_backend的内容中，否则None在joblib中的表示是1。-1表示使用所有处理器。有关更多详细信息，请参见Glossary。 |
| random_state | int, RandomState, default=None 控制3个随机性来源： - 构建树木时使用的示例的引导程序(如果 bootstrap=True)- 在每个节点上寻找最佳分割时要考虑的特征采样（如果 max_features < n_features)- 绘制每个 max_features的分割有关更多详细信息，请参见Glossary。 |
| verbose | int, default=0 在拟合和预测时控制冗余程度。 |
| warm_start | bool, default=False 当设置为True时，重用前面调用的解决方案来适应并向集成添加更多的评估器，否则，只会拟合完整的新森林。有关更多详细信息，请参见Glossary。 |
| class_weight | {“balanced”, “balanced_subsample”}, dict or list of dicts, default=None 以 {class_label: weight}的形式与类关联的权重。如果没有给出，所有类的权重都应该是1。对于多输出问题，可以按照y的列的顺序提供一个dict列表。multioutput注意(包括multilabel)权重的每一列应该为每个类定义自己的东西。例如,对于四级multilabel分类权重应该[{0,1,1:1},{0,1,1:5},{0,1,1:1},{0:1,1:1}]不是[{1:1},{2:5},{3},{1}]。 “平衡”模式使用y的值自动调整输入数据中与类频率成反比的权重，如 n_samples / (n_classes * np.bincount(y))。“balanced_subsample”模式与“balanced”模式相同，只是权重是基于自举样本为每棵生长的树计算的。 对于多输出，将y的每一列的权重相乘。 注意，如果指定了sample_weight，那么这些权重将与sample_weight相乘(通过fit方法传递)。 |
| ccp_alpha | non-negative float, default=0.0 复杂度参数用于最小代价复杂度剪枝。将选择代价复杂度最大且小于ccp_alpha的子树。默认情况下，不执行修剪。 有关更多详细信息，请参见Minimal Cost-Complexity Pruning。 0.22版中的新功能。 |
| max_samples | int or float, default=None 如果bootstrap为真，则需要从X中抽取样本来训练每个基估计量。 - 如果为 None(默认)，则绘制X.shape[0]样本。- 如果为 int，则绘制 max_samples 样本。- 如果为 float, 则绘制 max_samples * X.shape[0]样本。因此，max_samples应该在区间(0,1)内。 |
| 属性 | 说明 |
|---|---|
| base_estimator_ | ExtraTreeRegressor 子估计器模板，用于创建适合的子估计器的集合。 |
| estimators_ | list of DecisionTreeRegressor 拟合的次估计值的集合。 |
| feature_importances_ | ndarray of shape (n_features,) 基于杂质的特性重要性。 |
| n_features_ | int 执行 fit时的特征数。 |
| n_outputs_ | int 执行 fit时输出的数量。 |
| oob_score_ | float 使用袋外估计获得的训练数据集的得分。该属性仅在 oob_score为True时存在。 |
| oob_prediction_ | ndarray of shape (n_samples,) 用训练集的袋外估计进行预测。该属性仅在oob_score为真时存在。 |
另见：
sklearn.tree.ExtraTreeRegressor集成的基估计器。
使用具有最优分割的树的集成回归。
注意
控制树大小的参数的默认值(例如max_depth, min_samples_leaf等)会导致完全生长和未修剪的树，在某些数据集上可能会非常大。为了减少内存消耗，应该通过设置这些参数值来控制树的复杂性和大小。
参考文献
P. Geurts, D. Ernst., and L. Wehenkel, “Extremely randomized trees”, Machine Learning, 63(1), 3-42, 2006.
实例
>>> from sklearn.datasets import load_diabetes
>>> from sklearn.model_selection import train_test_split
>>> from sklearn.ensemble import ExtraTreesRegressor
>>> X, y = load_diabetes(return_X_y=True)
>>> X_train, X_test, y_train, y_test = train_test_split(
... X, y, random_state=0)
>>> reg = ExtraTreesRegressor(n_estimators=100, random_state=0).fit(
... X_train, y_train)
>>> reg.score(X_test, y_test)
0.2708...
方法
| 方法 | 说明 |
|---|---|
apply(X) |
将森林中的树应用于X，返回叶子索引。 |
decision_path(X) |
返回森林中的决策路径。 |
fit(X, y[, sample_weight]) |
根据训练集(X, y)建立树木森林。 |
get_params([deep]) |
获取此估计器的参数。 |
predict(X) |
为X预测回归目标。 |
score(X, y[, sample_weight]) |
返回预测的决定系数R^2。 |
set_params(**params) |
设置此估算器的参数。 |
__init__(n_estimators=100, *, criterion='mse', max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features='auto', max_leaf_nodes=None, min_impurity_decrease=0.0, min_impurity_split=None, bootstrap=False, oob_score=False, n_jobs=None, random_state=None, verbose=0, warm_start=False, ccp_alpha=0.0, max_samples=None)
初始化self。有关准确的签名，请参见help(type(self))。
apply(X)
将森林中的树应用于X，返回叶子索引。
| 参数 | 说明 |
|---|---|
| X | {array-like, sparse matrix} of shape (n_samples, n_features) 输入样本。在内部，它的 dtype将被转换为dtype=np.float32。如果提供了一个稀疏矩阵，它将被转换为一个csr_matrix。 |
| 返回值 | 说明 |
|---|---|
| X_leaves | ndarray of shape (n_samples, n_estimators) 对于X中的每个数据点x和森林中的每棵树，返回x最终所在的叶子的索引。 |
decision_path(X)
返回森林中的决策路径。
版本0.18中的新功能。
| 参数 | 说明 |
|---|---|
| X | {array-like, sparse matrix} of shape (n_samples, n_features) 输入样本。在内部，它的 dtype将被转换为dtype=np.float32。如果提供了一个稀疏矩阵，它将被转换为一个csr_matrix。 |
| 返回值 | 说明 |
|---|---|
| indicator | sparse matrix of shape (n_samples, n_nodes) 返回一个节点指示符矩阵，其中非零元素表示样本经过节点。矩阵为CSR格式。 |
| n_nodes_ptr | ndarray of shape (n_estimators + 1,) 列元素来自指示符 [n_nodes_ptr[i]:n_nodes_ptr[i+1]]给出第i个估计器的指示值。 |
property feature_importances_
基于杂质的功能的重要性。
越高，功能越重要。特征的重要性计算为该特征带来的标准的（标准化）总缩减。这也被称为基尼重要性。
警告：基于杂质的特征重要性可能会误导高基数特征（许多唯一值）。另见 sklearn.inspection.permutation_importance。
| 返回值 | 说明 |
|---|---|
| feature_importances_ | ndarray of shape (n_features,) 除非所有树都是仅由根节点组成的单节点树，否则此数组的值总计为1，在这种情况下，它将是零数组。 |
fit(X, y, sample_weight=None)
根据训练集(X, y)建立树木森林。
| 参数 | 说明 |
|---|---|
| X | {array-like, sparse matrix} of shape (n_samples, n_features) 输入样本。在内部，它的 dtype将被转换为dtype=np.float32。如果提供了一个稀疏矩阵，它将被转换为一个csr_matrix。 |
| y | array-like of shape (n_samples,) or (n_samples, n_outputs) 目标值（分类中的类标签，回归中的实数）。 |
| sample_weight | array-like of shape (n_samples,), default=None 样本权重。如果没有，那么样本的权重相等。当在每个节点中搜索分割时，将忽略创建具有净零权值或负权值的子节点的分割。在分类的情况下，如果分割会导致任何一个类在任一子节点中具有负权值，那么分割也将被忽略。 |
get_params(deep=True)
获取此估计器的参数。
| 参数 | 说明 |
|---|---|
| deep | bool, default=True 如果为True，则将返回此估算器和作为估算器的所包含子对象的参数。 |
| 返回值 | 说明 |
|---|---|
| params | mapping of string to any 参数名称与其值相对应。 |
predict(X)
预测X的分类。
输入样本的预测类是森林中树的投票，由它们的概率估计加权。也就是说，预测的类是树中概率估计均值最高的类。
| 参数 | 说明 |
|---|---|
| X | {array-like, sparse matrix} of shape (n_samples, n_features) 输入样本。在内部，它的 dtype将被转换为dtype=np.float32。如果提供了一个稀疏矩阵，它将被转换为一个csr_matrix。 |
| 返回值 | 说明 |
|---|---|
| y | ndarray of shape (n_samples,) or (n_samples, n_outputs) 被预测的值 |
score(X, y, sample_weight=None)
返回预测的决定系数R^2。
定义系数R^2为(1 - u/v)，其中u为(y_true - y_pred) ** 2).sum()的残差平方和，v为(y_true - y_true.mean()) ** 2).sum()的平方和。最好的可能的分数是1.0，它可能是负的(因为模型可以比你想象的更糟)。一个常数模型总是预测y的期望值，而不考虑输入特征，得到的R^2得分为0.0。
| 参数 | 说明 |
|---|---|
| X | array-like of shape (n_samples, n_features) 测试样本。对于某些估计器，这可能是一个预先计算的内核矩阵或一列通用对象，而不是shape = (n_samples, n_samples_fitting)，其中n_samples_fitting是用于拟合估计器的样本数量。 |
| y | array-like of shape (n_samples,) or (n_samples, n_outputs) X的真值。 |
| sample_weight | array-like of shape (n_samples,), default=None 样本权重。 |
| 返回值 | 说明 |
|---|---|
| score | float self.predict(X)关于 y的决定系数R^2 |
注意
调用回归变量上的score时使用的R2 score使用0.23版本的multioutput='uniform_average'来保持与 r2_score的默认值一致。这影响了所有多输出回归的评分方法(除了 MultiOutputRegressor)
set_params(**params)
设置该估计器的参数。
该方法适用于简单估计器和嵌套对象(如pipline)。后者具有形式为<component>_<parameter>的参数，这样就可以更新嵌套对象的每个组件。
| 参数 | 说明 |
|---|---|
| **params | dict 估计器参数 |
| 返回值 | 说明 |
|---|---|
| self | object 估计实例。 |
