我对Graphviz在回归任务中生成的决策树节点中的value字段感到好奇。我知道在决策树分类中，这个字段表示每个类别在分裂后所含样本的数量，但对于回归任务，我不确定它的含义是什么。

我的数据具有二维输入和十维输出。以下是我的回归问题中的树的示例：

使用以下代码生成并通过webgraphviz可视化

# X = (n x 2)  Y = (n x 10)  X_test = (m x 2)input_scaler = pickle.load(open("../input_scaler.sav","rb"))reg = DecisionTreeRegressor(criterion = 'mse', max_depth = 2)reg.fit(X,Y)pred = reg.predict(X_test)with open("classifier.txt", "w") as f:    f = tree.export_graphviz(reg, out_file=f)

回答：

回归树实际返回的输出是落在相应终端节点（叶子节点）的训练样本的因变量（此处为Y）的平均值；这些平均值在图中以value列表的形式显示，这里所有列表的长度均为10，因为您的Y是十维的。

换句话说，以您树的最左侧终端节点（叶子节点）为例：

• 该叶子节点包含42个样本，这些样本满足X[0] <= 0.675和X[1] <= 0.5
• 这42个样本的十维输出的平均值在该叶子的value列表中显示，确实长度为10，即Y[0]的平均值为-152007.382，Y[1]的平均值为-206040.675，依此类推，Y[9]的平均值为3211.487。

您可以通过预测一些样本（来自您的训练集或测试集 – 这无关紧要）并检查您的十维结果是否是上述终端叶子节点中显示的4个value列表之一来确认这一点。

此外，您可以确认，对于value中的每个元素，子节点的加权平均值等于父节点的相应元素。再次以您的两个最左侧终端节点（叶子节点）的第一个元素为例，我们得到：

(-42*152007.382 - 56*199028.147)/98# -178876.39057142858

即它们的父节点（中间层的最左侧节点）的value[0]元素。再举一个例子，这次是您的两个中间节点的第一个value元素：

(-98*178876.391 + 42*417378.245)/140# -0.00020000000617333822

这再次与您的根节点的第一个value元素-0.0一致。

从您的根节点的value列表来看，似乎您十维Y的所有元素的平均值几乎为零，您可以（也应该）手动验证这一点，作为最终确认。

总结如下：

• 每个节点的value列表包含属于该节点的训练样本的平均Y值
• 对于终端节点（叶子节点），这些列表是树模型的实际输出（即输出将始终是这些列表之一，具体取决于X）
• 对于根节点，value列表包含您整个训练数据集的平均Y值