一、项目背景与解决方案
1. 项目背景
决策树是机器学习中经典的非参数模型，可同时支持分类和回归任务（决策树回归）。在回归场景中，决策树通过递归划分特征空间，将每个划分后的子区域映射为该区域内样本的均值（以MSE为划分准则），从而实现对连续值的预测。
本项目聚焦非线性回归任务（正弦曲线拟合），核心目标包括：
- 验证决策树回归器对带噪声非线性数据的拟合能力；
- 探究决策树核心超参数
max_depth（树深度）对拟合效果的影响（深度过小易欠拟合，深度过大易过拟合）； - 通过可视化对比真实值与不同深度模型的预测值，直观展示超参数选择的重要性。
2. 解决方案
整体流程分为三步：
- 数据构建：生成[-3, 3]范围内的随机自变量，基于正弦函数生成因变量并添加轻微噪声，模拟真实场景的非线性带噪声数据；
- 基础拟合验证：使用固定深度（3）的决策树回归器拟合数据，可视化预测曲线与真实值的对比；
- 超参数对比分析：构建深度为2/4/6/8/10的决策树回归器，分别拟合数据并可视化预测曲线，分析不同深度的拟合效果（欠拟合/过拟合）。
二、带详细注释的代码
# 导入必要的库importnumpyasnp# 数值计算库，用于生成数据、数组处理fromsklearn.treeimportDecisionTreeRegressor# 导入决策树回归器importmatplotlib.pyplotasplt# 可视化库，用于绘制拟合结果# ===================== 第一步：构建带噪声的正弦函数数据集 =====================# 设置样本数量为100N=100# 生成[-3, 3]范围内的随机自变量x：np.random.rand(N)生成[0,1)的随机数，*6后范围是[0,6)，-3后范围是[-3,3)x=np.random.rand(N)*6-3# 对x进行排序，方便后续可视化（排序后曲线更易观察）x.sort()# 生成因变量y：基于正弦函数np.sin(x)，添加均值为0、方差0.05的随机噪声（模拟真实数据的噪声）y=np.sin(x)+np.random.rand(N)*0.05# 打印y值（可选，用于调试查看数据）print(y)# 重塑x的形状：sklearn模型要求输入特征为二维数组（样本数×特征数），reshape(-1,1)表示将一维数组转为N行1列的二维数组x=x.reshape(-1,1)# 打印重塑后的x（可选，用于调试查看数据维度）print(x)# ===================== 第二步：使用固定深度的决策树回归拟合数据 =====================# 初始化决策树回归器# criterion='mse'：划分准则为均方误差（回归任务默认准则，最小化每个节点的均方误差）# max_depth=3：设置决策树最大深度为3，限制树的复杂度，避免过拟合dt_reg=DecisionTreeRegressor(criterion='mse',max_depth=3)# 用训练数据（x,y）拟合决策树模型dt_reg.fit(x,y)# 生成测试集：在[-3,3]范围内生成50个均匀分布的点，用于绘制平滑的预测曲线x_test=np.linspace(-3,3,50).reshape(-1,1)# 使用训练好的模型预测测试集的y值y_hat=dt_reg.predict(x_test)# 可视化真实值与预测值plt.plot(x,y,"y*",label="actual")# 绘制真实值，黄色星号标记plt.plot(x_test,y_hat,"b-",linewidth=2,label="predict")# 绘制预测值，蓝色实线，线宽2plt.legend(loc="upper left")# 显示图例，位置在左上角plt.grid()# 显示网格线，方便观察plt.show()# 展示图像# plt.savefig("./temp_decision_tree_regressor") # 可选：保存图像到指定路径# ===================== 第三步：对比不同深度的决策树拟合效果 =====================# 定义要测试的决策树深度列表depth=[2,4,6,8,10]# 定义对应深度曲线的颜色（r=红,g=绿,b=蓝,m=品红,y=黄）color='rgbmy'# 初始化决策树回归器（暂不指定深度，后续通过set_params动态修改）dt_reg=DecisionTreeRegressor()# 绘制真实值，黑色圆点标记plt.plot(x,y,"ko",label="actual")# 生成测试集（与第二步一致，用于绘制平滑预测曲线）x_test=np.linspace(-3,3,50).reshape(-1,1)# 遍历不同深度和对应颜色，逐一训练并可视化ford,cinzip(depth,color):# 动态设置决策树的最大深度dt_reg.set_params(max_depth=d)# 用训练数据拟合当前深度的决策树dt_reg.fit(x,y)# 预测测试集的y值y_hat=dt_reg.predict(x_test)# 绘制当前深度的预测曲线，指定颜色和线宽，添加图例标签plt.plot(x_test,y_hat,'-',color=c,linewidth=2,label="depth=%d"%d)# 显示图例，位置在左上角plt.legend(loc="upper left")# 显示网格线（b=True为显式开启，默认开启）plt.grid(b=True)# 展示图像plt.show()# plt.savefig("./temp_compare_decision_tree_depth") # 可选：保存对比图像到指定路径简洁版
importnumpyasnpfromsklearn.treeimportDecisionTreeRegressorimportmatplotlib.pyplotasplt# 生成带噪声的正弦数据集N=100x=np.random.rand(N)*6-3x.sort()y=np.sin(x)+np.random.rand(N)*0.05x=x.reshape(-1,1)# 固定深度决策树回归拟合与可视化dt_reg=DecisionTreeRegressor(criterion='mse',max_depth=3)dt_reg.fit(x,y)x_test=np.linspace(-3,3,50).reshape(-1,1)y_hat=dt_reg.predict(x_test)plt.plot(x,y,"y*",label="actual")plt.plot(x_test,y_hat,"b-",linewidth=2,label="predict")plt.legend(loc="upper left")plt.grid()plt.show()# 对比不同深度决策树拟合效果depth=[2,4,6,8,10]color='rgbmy'dt_reg=DecisionTreeRegressor()plt.plot(x,y,"ko",label="actual")x_test=np.linspace(-3,3,50).reshape(-1,1)ford,cinzip(depth,color):dt_reg.set_params(max_depth=d)dt_reg.fit(x,y)y_hat=dt_reg.predict(x_test)plt.plot(x_test,y_hat,'-',color=c,linewidth=2,label=f"depth={d}")plt.legend(loc="upper left")plt.grid(b=True)plt.show()三、代码运行结果分析
- 固定深度（3）的拟合结果：预测曲线能大致贴合正弦曲线的趋势，但因深度限制，曲线是分段常数（决策树回归的特性），不会过度拟合噪声；
- 不同深度的对比结果：
- 深度=2：曲线过于简单，无法捕捉正弦曲线的波动，呈现欠拟合；
- 深度=4/6：曲线能较好贴合正弦曲线趋势，拟合效果最优；
- 深度=8/10：曲线过度贴合噪声点，呈现过拟合（曲线出现不必要的锯齿状波动）。
该结果验证了决策树深度对拟合效果的核心影响：深度需根据数据复杂度合理选择，过浅欠拟合、过深过拟合。
