访问随机森林模型（Python、scikit-learn）中单个树的底层（tree_）对象

Posted 2023-03-12

【中文标题】访问随机森林模型（Python、scikit-learn）中单个树的底层（tree_）对象

【英文标题】：Access the underlying (tree_) object of a single tree in a Random-Forest model (Python, scikit-learn)

【发布时间】：2016-09-20 21:25:39

【问题描述】：

我需要将 Random Fores 模型转换为基于规则的模型或基于 (if-then) 的模型。我现在已经创建了我的模型，并且调整得很好。我面临的问题是我无法“访问”（base_estimator）或底层（tree_object），这使得创建一个可以从森林中的树中提取规则的函数成为可能。如果您能帮助我解决这个问题，我将不胜感激。创建我使用的模型：

    estimator = RandomForestRegressor(oob_score=True, n_estimators=10,max_features='auto')

我尝试使用estimator.estimators_ 属性访问单个树，然后使用例如estimator.estimators_[0].tree_ 来获取用于构建森林的决策树（DecisionTreeRegressor 对象）。不幸的是，这种方法不起作用。

如果可能的话，我想要类似的东西：

   estimator = RandomForestRegressor(oob_score=True, n_estimators=10,max_features='auto')
   estimator.fit(tarning_data,traning_target)
   tree1 = estimator.estimators_[0]
   leftChild = tree1.tree_.children_left
   rightChild = tree1.tree_.children_right

【参考方案1】：

要在随机森林模型中访问DecisionTreeRegressor 对象的底层结构，您需要执行以下步骤：

estimator = RandomForestRegressor(oob_score=True,n_estimators=10,max_features='auto')
estimator.fit(tarning_data,traning_target)
tree1 = estimator.estimators_[0]
leftChilds = tree1.tree_.children_left # array of left children
rightChilds = tree1.tree_.children_right #array of right children

即基本上是问题中已经描述的内容。