在拟合决策树后，我想进行一些预测。
-
如何使此输出预测数组更易读？如您所见，输出对应于特征的输入值，但如何在值上方显示相应的名称？例如，第一个值是
0.28945，对应于名为time_ms的列，但由于我有多个列，我无法区分所有这些。如何在输入值上方显示名称？ -
这些输入值返回一个分类到
[1]，对应于值“yes”。如何替换它以显示yes而不是1？ -
最后，当有多个特征而不是像Iris数据库中的两个特征（花瓣长度、宽度）时，像这样进行预测是否有用（或是最佳方式）？
clf_dt_grid = grid_search_cv.fit(X_train, y_train)y_pred_grid = grid_search_cv.predict(X_test)#训练集上的预测yhat= clf_dt_grid.predict(X_train)acc = accuracy_score(y_train,yhat)print(f'训练预测准确率 : {acc}%')#新的预测输入new_input = [[0.28945,6593,0,178,2,154.5,True,6593.0,4.0,0,1,2.0,0.00,862.0,0.21,524103.0,2]]new_output = clf_dt_grid.predict(new_input)print(new_input,new_output)>>> [[0.28945, 6593, 0, 178, 2, 154.5, True, 6593.0, 4.0, 0, 1, 2.0, 0.0, 862.0, 0.21, 524103.0, 2]] [1]回答：
您可以将训练/测试数据放入pandas数据框中，这样一切都会更易读。
例如，列出列名，然后像这样使用数据框构造函数：
col_names = ['time_ms', 'col2', 'col3',..., 'colN']train_df = pd.DataFrame(columns=col_names, data=X_train)test_df = pd.DataFrame(columns=col_names, data=X_test)然后，对于您的新预测，您可以以相同的方式在数据框中构建它（例如，称为new_input），然后调用预测：
new_output = clf_dt_grid.predict(new_input.iloc[0].values) # 只获取第一行的值print(new_input.iloc[0], new_output)