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)
極端隨機樹回歸器。
此類實現一種元估計器，該估計器可將多個隨機決策樹（又名極端隨機樹）擬合到數據集的各個子樣本上，并使用平均來提高預測準確性和控制過度擬合。
在用戶指南中閱讀更多內容。
| 參數 | 說明 |
|---|---|
| n_estimators | int, default=100 森林中樹木的數量。 在版本0.22中更改：默認值 n_estimators在0.22中從10更改為100。 |
| criterion | {“mse”, “mae”}, default=”mse” 該函數用來測量分割的質量。支持的準則為均方誤差的“mse”，等于方差減少作為特征選擇準則，支持的準則為平均絕對誤差的“mae”。 版本0.18中的*新功能：平均絕對誤差（MAE）標準。 |
| max_depth | int, default=None 樹的最大深度。如果為None，則將節點展開，直到所有葉子都是純凈的，或者直到所有葉子都包含少于min_samples_split個樣本。 |
| min_samples_split | int or float, default=2 拆分內部節點所需的最少樣本數： - 如果為int，則認為 min_samples_split是最小值。- 如果為float， min_samples_split則為分數， 是每個拆分的最小樣本數。ceil(min_samples_split * n_samples)在版本0.18中更改：添加了分數的浮點值。 |
| min_samples_leaf | int or float, default=1 在葉節點處需要的最小樣本數。僅在任何深度的分裂點在 min_samples_leaf左分支和右分支中的每個分支上至少留下訓練樣本時才會被考慮。同時，這種情況可能具有平滑模型的效果，尤其是在回歸中。- 如果為int，則認為 min_samples_leaf是最小值。- 如果為float， min_samples_leaf則為分數, 是每個節點的最小樣本數。ceil(min_samples_leaf * n_samples)在版本0.18中更改：添加了分數的浮點值。 |
| min_weight_fraction_leaf | float, default=0.0 一個葉節點上所需的(所有輸入樣本的)總權重的最小加權分數。如果未提供sample_weight，則樣本的權重相等。 |
| max_features | {“auto”, “sqrt”, “log2”}, int or float, default=”auto” 尋找最佳分割時要考慮的功能數量： - 如果為int，則 max_features在每個分割處考慮特征。- 如果為float， max_features則為小數，并 在每次拆分時考慮要素。- 如果為auto，則為 max_features=sqrt(n_features)。- 如果是sqrt，則 max_features=sqrt(n_features)。- 如果為log2，則為 max_features=log2(n_features)。- 如果為None，則 max_features=n_features。注意：直到找到至少一個有效的節點樣本分區，分割的搜索才會停止，即使它需要有效檢查多于 max_features個數的要素也是如此。 |
| max_leaf_nodes | int, default=Nonemax_leaf_nodes以最好的方式進行“種樹”。雜質的相對減少的節點被當作最佳節點。如果為None，則葉節點數不受限制。 |
| min_impurity_decrease | float, default=0.0 如果節點分裂會導致雜質的減少大于或等于該值，則該節點將被分裂。 加權減少雜質的方程式如下： N_t / N * (impurity - N_t_R / N_t * right_impurity - N_t_L / N_t * left_impurity)其中， N是樣本總數，N_t是當前節點上N_t_L的樣本數，是左子節點中的樣本N_t_R數，是右子節點中的樣本數。N，N_t，N_t_R并且N_t_L都指的是加權和，如果sample_weight獲得通過。版本0.19中的新功能。 |
| min_impurity_split | float, default=None 樹提升提前停止的閾值。如果節點的雜質高于閾值，則該節點將分裂，否則為葉。 - 從版本0.19 min_impurity_split開始不推薦使用：在版本0.19中不再推薦使用 min_impurity_decrease。的默認值 min_impurity_split在0.23中從1e-7更改為0，并將在0.25中刪除。使用min_impurity_decrease代替。 |
| bootstrap | bool, default=False 創建樹時是否使用引導程序樣本。如果為False，則將整個數據集用于構建每棵樹。 |
| oob_score | bool, default=False 是否使用袋外樣本估計泛化精度。 |
| n_jobs | int, default=None 要并行運行的作業的數量。 fit, predict, decision_path 和 apply都在樹中并行化。除非在一個joblib.parallel_backend的內容中，否則None在joblib中的表示是1。-1表示使用所有處理器。有關更多詳細信息，請參見Glossary。 |
| random_state | int, RandomState, default=None 控制3個隨機性來源： - 構建樹木時使用的示例的引導程序(如果 bootstrap=True)- 在每個節點上尋找最佳分割時要考慮的特征采樣（如果 max_features < n_features)- 繪制每個 max_features的分割有關更多詳細信息，請參見Glossary。 |
| verbose | int, default=0 在擬合和預測時控制冗余程度。 |
| warm_start | bool, default=False 當設置為True時，重用前面調用的解決方案來適應并向集成添加更多的評估器，否則，只會擬合完整的新森林。有關更多詳細信息，請參見Glossary。 |
| class_weight | {“balanced”, “balanced_subsample”}, dict or list of dicts, default=None 以 {class_label: weight}的形式與類關聯的權重。如果沒有給出，所有類的權重都應該是1。對于多輸出問題，可以按照y的列的順序提供一個dict列表。multioutput注意(包括multilabel)權重的每一列應該為每個類定義自己的東西。例如,對于四級multilabel分類權重應該[{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的值自動調整輸入數據中與類頻率成反比的權重，如 n_samples / (n_classes * np.bincount(y))。“balanced_subsample”模式與“balanced”模式相同，只是權重是基于自舉樣本為每棵生長的樹計算的。 對于多輸出，將y的每一列的權重相乘。 注意，如果指定了sample_weight，那么這些權重將與sample_weight相乘(通過fit方法傳遞)。 |
| ccp_alpha | non-negative float, default=0.0 復雜度參數用于最小代價復雜度剪枝。將選擇代價復雜度最大且小于ccp_alpha的子樹。默認情況下，不執行修剪。 有關更多詳細信息，請參見Minimal Cost-Complexity Pruning。 0.22版中的新功能。 |
| max_samples | int or float, default=None 如果bootstrap為真，則需要從X中抽取樣本來訓練每個基估計量。 - 如果為 None(默認)，則繪制X.shape[0]樣本。- 如果為 int，則繪制 max_samples 樣本。- 如果為 float, 則繪制 max_samples * X.shape[0]樣本。因此，max_samples應該在區間(0,1)內。 |
| 屬性 | 說明 |
|---|---|
| base_estimator_ | ExtraTreeRegressor 子估計器模板，用于創建適合的子估計器的集合。 |
| estimators_ | list of DecisionTreeRegressor 擬合的次估計值的集合。 |
| feature_importances_ | ndarray of shape (n_features,) 基于雜質的特性重要性。 |
| n_features_ | int 執行 fit時的特征數。 |
| n_outputs_ | int 執行 fit時輸出的數量。 |
| oob_score_ | float 使用袋外估計獲得的訓練數據集的得分。該屬性僅在 oob_score為True時存在。 |
| oob_prediction_ | ndarray of shape (n_samples,) 用訓練集的袋外估計進行預測。該屬性僅在oob_score為真時存在。 |
另見：
sklearn.tree.ExtraTreeRegressor集成的基估計器。
使用具有最優分割的樹的集成回歸。
注意
控制樹大小的參數的默認值(例如max_depth, min_samples_leaf等)會導致完全生長和未修剪的樹，在某些數據集上可能會非常大。為了減少內存消耗，應該通過設置這些參數值來控制樹的復雜性和大小。
參考文獻
P. Geurts, D. Ernst., and L. Wehenkel, “Extremely randomized trees”, Machine Learning, 63(1), 3-42, 2006.
實例
>>> 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 | 說明 |
|---|---|
apply(X) |
將森林中的樹應用于X，返回葉子索引。 |
decision_path(X) |
返回森林中的決策路徑。 |
fit(X, y[, sample_weight]) |
根據訓練集(X, y)建立樹木森林。 |
get_params([deep]) |
獲取此估計器的參數。 |
predict(X) |
為X預測回歸目標。 |
score(X, y[, sample_weight]) |
返回預測的決定系數R^2。 |
set_params(**params) |
設置此估算器的參數。 |
__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。有關準確的簽名，請參見help(type(self))。
apply(X)
將森林中的樹應用于X，返回葉子索引。
| 參數 | 說明 |
|---|---|
| X | {array-like, sparse matrix} of shape (n_samples, n_features) 輸入樣本。在內部，它的 dtype將被轉換為dtype=np.float32。如果提供了一個稀疏矩陣，它將被轉換為一個csr_matrix。 |
| 返回值 | 說明 |
|---|---|
| X_leaves | ndarray of shape (n_samples, n_estimators) 對于X中的每個數據點x和森林中的每棵樹，返回x最終所在的葉子的索引。 |
decision_path(X)
返回森林中的決策路徑。
版本0.18中的新功能。
| 參數 | 說明 |
|---|---|
| X | {array-like, sparse matrix} of shape (n_samples, n_features) 輸入樣本。在內部，它的 dtype將被轉換為dtype=np.float32。如果提供了一個稀疏矩陣，它將被轉換為一個csr_matrix。 |
| 返回值 | 說明 |
|---|---|
| indicator | sparse matrix of shape (n_samples, n_nodes) 返回一個節點指示符矩陣，其中非零元素表示樣本經過節點。矩陣為CSR格式。 |
| n_nodes_ptr | ndarray of shape (n_estimators + 1,) 列元素來自指示符 [n_nodes_ptr[i]:n_nodes_ptr[i+1]]給出第i個估計器的指示值。 |
property feature_importances_
基于雜質的功能的重要性。
越高，功能越重要。特征的重要性計算為該特征帶來的標準的（標準化）總縮減。這也被稱為基尼重要性。
警告：基于雜質的特征重要性可能會誤導高基數特征（許多唯一值）。另見 sklearn.inspection.permutation_importance。
| 返回值 | 說明 |
|---|---|
| feature_importances_ | ndarray of shape (n_features,) 除非所有樹都是僅由根節點組成的單節點樹，否則此數組的值總計為1，在這種情況下，它將是零數組。 |
fit(X, y, sample_weight=None)
根據訓練集(X, y)建立樹木森林。
| 參數 | 說明 |
|---|---|
| X | {array-like, sparse matrix} of shape (n_samples, n_features) 輸入樣本。在內部，它的 dtype將被轉換為dtype=np.float32。如果提供了一個稀疏矩陣，它將被轉換為一個csr_matrix。 |
| y | array-like of shape (n_samples,) or (n_samples, n_outputs) 目標值（分類中的類標簽，回歸中的實數）。 |
| sample_weight | array-like of shape (n_samples,), default=None 樣本權重。如果沒有，那么樣本的權重相等。當在每個節點中搜索分割時，將忽略創建具有凈零權值或負權值的子節點的分割。在分類的情況下，如果分割會導致任何一個類在任一子節點中具有負權值，那么分割也將被忽略。 |
get_params(deep=True)
獲取此估計器的參數。
| 參數 | 說明 |
|---|---|
| deep | bool, default=True 如果為True，則將返回此估算器和作為估算器的所包含子對象的參數。 |
| 返回值 | 說明 |
|---|---|
| params | mapping of string to any 參數名稱與其值相對應。 |
predict(X)
預測X的分類。
輸入樣本的預測類是森林中樹的投票，由它們的概率估計加權。也就是說，預測的類是樹中概率估計均值最高的類。
| 參數 | 說明 |
|---|---|
| X | {array-like, sparse matrix} of shape (n_samples, n_features) 輸入樣本。在內部，它的 dtype將被轉換為dtype=np.float32。如果提供了一個稀疏矩陣，它將被轉換為一個csr_matrix。 |
| 返回值 | 說明 |
|---|---|
| y | ndarray of shape (n_samples,) or (n_samples, n_outputs) 被預測的值 |
score(X, y, sample_weight=None)
返回預測的決定系數R^2。
定義系數R^2為(1 - u/v)，其中u為(y_true - y_pred) ** 2).sum()的殘差平方和，v為(y_true - y_true.mean()) ** 2).sum()的平方和。最好的可能的分數是1.0，它可能是負的(因為模型可以比你想象的更糟)。一個常數模型總是預測y的期望值，而不考慮輸入特征，得到的R^2得分為0.0。
| 參數 | 說明 |
|---|---|
| X | array-like of shape (n_samples, n_features) 測試樣本。對于某些估計器，這可能是一個預先計算的內核矩陣或一列通用對象，而不是shape = (n_samples, n_samples_fitting)，其中n_samples_fitting是用于擬合估計器的樣本數量。 |
| 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 樣本權重。 |
| 返回值 | 說明 |
|---|---|
| score | float self.predict(X)關于 y的決定系數R^2 |
注意
調用回歸變量上的score時使用的R2 score使用0.23版本的multioutput='uniform_average'來保持與 r2_score的默認值一致。這影響了所有多輸出回歸的評分方法(除了 MultiOutputRegressor)
set_params(**params)
設置該估計器的參數。
該方法適用于簡單估計器和嵌套對象(如pipline)。后者具有形式為<component>_<parameter>的參數，這樣就可以更新嵌套對象的每個組件。
| 參數 | 說明 |
|---|---|
| **params | dict 估計器參數 |
| 返回值 | 說明 |
|---|---|
| self | object 估計實例。 |
