使用 sklearn，我如何找到决策树的深度？

Posted 2023-03-12

【中文标题】使用 sklearn，我如何找到决策树的深度？

【英文标题】：Using sklearn, how do I find depth of a decision tree?

【发布时间】：2019-06-27 04:31:29

【问题描述】：

我正在使用 sklearn 训练决策树。当我使用时：

dt_clf = tree.DecisionTreeClassifier()

max_depth 参数默认为None。根据文档，如果max_depth 是None，则节点会被扩展，直到所有叶子都是纯的或直到所有叶子包含的样本少于min_samples_split。

拟合我的模型后，我如何找出 max_depth 的实际含义？ get_params() 函数没有帮助。拟合后，get_params() 仍然显示None。

如何获得max_depth 的实际号码？

文档：https://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html

【参考方案1】：

访问底层Tree对象的max_depth：

from sklearn import tree
X = [[0, 0], [1, 1]]
Y = [0, 1]
clf = tree.DecisionTreeClassifier()
clf = clf.fit(X, Y)
print(clf.tree_.max_depth)
>>> 1

您可以使用以下方法从底层树对象中获得更多可访问的属性：

help(clf.tree_)

这些包括max_depth、node_count 和其他较低级别的参数。

【讨论】：

很好的答案！喜欢它。

【参考方案2】：

根据文档https://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html#sklearn.tree.DecisionTreeClassifier.get_depth 的答案是使用tree.get_depth() 函数。

【讨论】：

虽然此链接可能会回答问题，但最好在此处包含答案的基本部分并提供链接以供参考。如果链接页面发生更改，仅链接答案可能会失效。 - From Review