Python回归树export_text列属性报错及模型评估、解读方法咨询

报错的核心触发逻辑是：你传入feature_names参数时引用的X_train不是pandas DataFrame类型，是numpy.ndarray对象，而numpy数组本身没有.columns属性，因此触发AttributeError。

常见的触发场景 #

• 拆分数据集时直接传入了numpy格式的特征矩阵，没有保留原DataFrame的列名结构
• 特征预处理环节（如标准化、独热编码）的输出为numpy数组，没有转换回带列名的DataFrame格式

对应修复方案 #

• 已知特征列名的情况下，直接把列名列表传给参数即可，例如：

  export_text(regr, feature_names=["房龄", "面积", "位置评分"])
  

• 原特征为DataFrame的场景，可将预处理/拆分得到的ndarray转回带列名的结构，再调用.columns属性，例如：

  X_train = pd.DataFrame(X_train, columns=原特征列名列表)
  export_text(regr, feature_names=list(X_train.columns))
  

• 不需要显示具体特征名的场景，直接删除feature_names参数即可，导出的文本会自动用X[0]、X[1]这类默认占位符标记特征位置

模型效果判断方法 #

你当前运行得到的结果为测试集上mse = 0.6600129794020736、r2 = 0.46983848613583734，绝对数值不能脱离数据本身的特征判断优劣，需要对照基准值做横向对比：

• 先对比训练集和测试集的指标差：
  • 如果训练集MSE远低于0.66、训练集R²远高于0.47，说明模型存在过拟合，当前max_depth=2的设置可能过深
  • 如果训练集和测试集的MSE、R²差值在10%以内，说明模型的泛化稳定性较好
• 再对照数据集本身的基准判断拟合度：
  • MSE需要和目标变量的方差做对比：如果目标变量自身的方差就在1左右，0.66的MSE属于合理范围；如果目标变量方差达到10以上，说明当前模型的拟合度严重不足
  • R²取值范围为(-∞, 1]，越接近1代表模型对目标值波动的解释能力越强：0.47的R²代表模型可以解释测试集47%的目标值变化，属于基础基线水平——如果业务需要粗粒度趋势判断，这个结果是合格的；如果需要高精度数值预测，就需要调整max_depth、min_samples_split、min_samples_leaf等超参数优化效果

模型运行效率判断 #

• 你当前设置max_depth=2的回归树结构极其简单，对十万样本以内规模的数据集，训练和推理都是毫秒级完成，不会出现性能瓶颈
• 后续如果调整树深、扩大数据集规模，决策树的推理逻辑为纯条件分支判断，整体运行效率远高于集成树、神经网络类模型，评估效率时只需关注两个指标：单样本推理延迟、千级样本批量预测吞吐量即可

配套绘图代码的注意点 #

• 如果你的plot_tree代码同样引用了X_train.columns作为特征名参数，会触发和export_text完全相同的报错，修复逻辑和上文一致
• 导出PDF格式的树结构时，需要在plt.savefig方法中加入bbox_inches="tight"参数，否则会出现节点文字、图形被裁切的问题

内容的提问来源于stack exchange，提问作者booklover