我正在使用基于Jupyter 笔记本['male', 'female']的 sklearn 运行一个非常基本的性别分类器。DecisionTreeClassifier[height, weight, shoe size]
当我继续运行模型时，对于相同的输入，预测会从male变为。female
我不明白这怎么可能。模型的构建不应该是完全确定的，因此每次针对特定输入输出相同的预测吗？
这是我的代码：
X = [[190, 90, 43], [165, 65, 38], [170, 70, 39], [160, 56, 36], [190, 88, 45],
[164, 63, 37]]
Y = ['male', 'female', 'male', 'female', 'male', 'female']
clf = tree.DecisionTreeClassifier()
clf.fit(X, Y)
print(clf.predict([[200, 70, 37]]))
虽然这是重复的，并且建议的链接回答了您的问题，但出于学习目的，我建议您在每次进行新运行时绘制您的 DecisionTree，以自己查看幕后发生的情况：
from sklearn.tree import DecisionTreeClassifier
from sklearn.externals.six import StringIO
from IPython.display import Image
from sklearn.tree import export_graphviz
import pydotplus
dot_data = StringIO()
X = [[190, 90, 43], [165, 65, 38], [170, 70, 39], [160, 56, 36], [190, 88, 45], [164, 63, 37]]
Y = ['male', 'female', 'male', 'female', 'male', 'female']
clf = DecisionTreeClassifier()
clf.fit(X, Y)
export_graphviz(clf, out_file=dot_data,
filled=True, rounded=True,
special_characters=True)
graph = pydotplus.graph_from_dot_data(dot_data.getvalue())
Image(graph.create_png())
一旦你可能得到：
在 X0 功能上进行拆分的位置，下次运行时您可能会得到：
在 X1 特征上进行拆分。
如果你想在每次运行时重现你的结果，你可以使用random_state = a_random_number，然后你应该期望每次都得到相同的结果，因为每次都构建了同一棵树！