我有一个带有 59 个特征的 sklearn 随机森林分类器作为输入。我想在索引 i1 i2 处仅绘制两个特征的决策边界。
如果我对剩余特征使用平均值/中值，则分类器最终会进入忽略特征 i1/i2 的路径。
我想在忽略其余特征的情况下绘制 i1/i2 的决策边界。这可能吗？还是根本有用？
是否可以仅为特征子集绘制决策边界？
数据挖掘
Python
scikit-学习
随机森林
2022-03-02 00:32:41
1个回答
对于决策树，这既可行又有用。对于随机森林 (RF)，每个决策树对这些特征都有自己的边界。而且，由于 RF 用原始特征的子集训练每棵树，因此有些树没有任何这些特征，因此没有边界。这也可能由于修剪而发生。因此，您有一组边界，可以同时绘制这些边界，以了解森林中的树木如何学习您的数据集。然而，这些边界也取决于其他特征。如果在某些树的较高节点中选择了一些更具解释性的特征，则低级别阈值可能会误导您。