Jupyter Notebook编译成功无输出：MNIST数据集分类问题求助

1. 无输出的核心原因：未调用定义的函数 #

你编写了mnistDTC()函数，但代码中没有执行该函数的语句。在Jupyter Notebook里，仅定义函数不会自动触发执行，必须显式调用才能运行内部逻辑。在代码末尾添加：

mnistDTC()

重新运行后就能看到输出。

2. 数据读取的明显错误 #

你的代码两次读取的都是标签文件：

df = pd.read_csv('./data/mnist_target.csv', index_col = 0)
target = pd.read_csv('data/mnist_target.csv', index_col = 0)

df应该对应特征数据集，target对应标签数据集，你把两者都读成了标签文件，会导致后续模型训练完全失效。请修正特征文件的路径，比如：

df = pd.read_csv('./data/mnist_features.csv', index_col = 0)  # 替换为你的特征文件名
target = pd.read_csv('./data/mnist_target.csv', index_col = 0)

3. 关于数据集规模的疑问 #

MNIST数据集（70000样本、单样本784特征）对决策树来说确实不算小，但不会直接导致“无输出”，只会延长训练时间。如果调用函数后长时间无响应，可以做以下优化：

• 先取小批量数据测试逻辑，比如df = df.sample(1000)，target = target.loc[df.index]
• 限制决策树深度，比如设置tree_clf = DecisionTreeClassifier(max_depth=10)，减少训练耗时

修正后的完整代码示例 #

import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from joblib import dump

def mnistDTC():
    # 修正特征文件路径
    df = pd.read_csv('./data/mnist_features.csv', index_col = 0)
    target = pd.read_csv('./data/mnist_target.csv', index_col = 0)
    # 可选：限制树深度加快训练
    tree_clf = DecisionTreeClassifier(max_depth=10)
    
    df_train, df_test, target_train, target_test = train_test_split(df, target, test_size=0.2, random_state=0)
    tree_clf.fit(df_train, target_train)
    
    predictions = tree_clf.predict(df_test)
    print(predictions[:10])

# 调用函数执行
mnistDTC()

内容的提问来源于stack exchange，提问作者SplizZPy