You need to enable JavaScript to run this app. 决策树回归器建模如何构建测试集真实值与预测值对比的DataFrame
优惠活动
大模型
产品
解决方案
定价
更多

决策树回归器建模如何构建测试集真实值与预测值对比的DataFrame

决策树回归结果对比与结构化整合实现方案

测试集多列结构化DataFrame搭建

以下代码可直接生成符合要求的结构化表格,同时规避numpy数组、索引不连续导致的列值错位常见问题:

import pandas as pd

# 步骤1:将测试集特征转为带列名的DataFrame
# 若原始输入x为pandas DataFrame,会自动沿用原有特征列名;若为numpy数组则自动生成通用特征列名
X_test_struct = pd.DataFrame(
    X_test, 
    columns=x.columns if hasattr(x, 'columns') else [f'feature_{i}' for i in range(X_test.shape[1])]
)

# 步骤2:横向拼接测试集特征、真实标签、预测值为结构化表
test_result_df = pd.concat([
    X_test_struct.reset_index(drop=True),
    pd.Series(y_test, name='y_test真实值').reset_index(drop=True),
    pd.Series(y_pred, name='y_pred预测值').reset_index(drop=True)
], axis=1)

# 可选增强:自动生成预测误差列,无需手动计算即可快速定位偏差较大的样本
test_result_df['预测误差'] = test_result_df['y_pred预测值'] - test_result_df['y_test真实值']

运行完成后调用test_result_df.head(),即可查看多列结构化的样本信息,直观对比预测效果。

训练集预测值与原始数据的差异对比

实现逻辑与测试集对比完全一致,只需先计算模型在训练集上的输出,再拼接为对比表即可:

# 计算模型在训练集上的预测结果
y_train_pred = model.predict(X_train)

# 生成训练集对比表
X_train_struct = pd.DataFrame(
    X_train,
    columns=x.columns if hasattr(x, 'columns') else [f'feature_{i}' for i in range(X_train.shape[1])]
)
train_compare_df = pd.concat([
    X_train_struct.reset_index(drop=True),
    pd.Series(y_train, name='y_train真实值').reset_index(drop=True),
    pd.Series(y_train_pred, name='y_train_pred预测值').reset_index(drop=True)
], axis=1)

# 可选:生成训练集误差列
train_compare_df['训练集预测误差'] = train_compare_df['y_train_pred预测值'] - train_compare_df['y_train真实值']

实用提示:无剪枝的决策树回归极易在训练集上实现近乎零误差的过拟合效果,通过这张训练集对比表可以快速验证模型是否存在过拟合问题。


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

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:2026.11.15 06:24:07