You need to enable JavaScript to run this app. Python调用export_graphviz导出决策树报IndexError列表越界错误
优惠活动
大模型
产品
解决方案
定价
更多

Python调用export_graphviz导出决策树报IndexError列表越界错误

核心报错原因

直接触发IndexError: list index out of range的根因,就是你传给export_graphviz的class_names参数是空列表[]:

  • 你虽然知道自己的分类类别是['0','1'],但没有把这两个值实际传入函数参数,函数内部遍历模型的类别顺序去索引class_names列表时,空列表没有任何可索引的元素,自然会触发索引越界。
  • 你担心的其他影响因素均不成立:feature_cols列表共10个元素,和你训练时输入的特征数量完全匹配,不存在长度不匹配的问题;你的分类类别本身的取值设置也没有问题。
修正方案

只需要调整class_names的传参值即可,不需要改动其他建模逻辑:

  • 基础改法:把原来的class_names=[]替换为你实际的类别列表class_names=['0', '1'],保证列表长度和模型训练得到的类别数量一致。
  • 更稳妥的写法:直接读取训练完成的分类器自带的类别属性作为参数值,避免手动维护列表导致的匹配错误,写法为class_names=clf.classes_.astype(str)。这种写法会自动读取模型实际识别到的类别顺序、转成字符串格式传入,从根源上避免索引越界、格式不匹配的问题。

修正后的可视化核心代码参考:

dot_data = StringIO()
export_graphviz(clf, out_file=dot_data,  
                filled=True, rounded=True,
                special_characters=True,
                feature_names = feature_cols,
                class_names=clf.classes_.astype(str)
)
graph = pydotplus.graph_from_dot_data(dot_data.getvalue())  
graph.write_png('tree.png')
Image(graph.create_png())
额外避坑提示

如果按上面的方法改完仍报同类索引错误,需要检查训练集的类别分布:如果随机拆分数据集时,某一类别的样本被全部分配到测试集,导致训练集中只出现了一个类别,模型学到的类别数量会小于你预期的2个,此时手动传入2个类别的class_names依然会触发越界。从你的运行流程看,建模、预测、准确率计算都正常输出,说明训练集同时覆盖了两个类别,不需要额外排查这个情况。

内容的提问来源于stack exchange,提问作者i_literally_hate_programming

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.26 20:15:04