我正在使用scikit-learn创建随机森林。但是，我想找到每棵树的深度。它似乎是一个简单的属性，但是根据文档（http://scikit-learn.org/stable/modules/generation/sklearn.ensemble.RandomForestClassifier.html），无法访问它。
如果这不可能，是否有一种方法可以从“决策树”模型中访问树的深度？
任何帮助，将不胜感激。谢谢你。
的每个实例RandomForestClassifier都有一个estimators_属性，该属性是一个DecisionTreeClassifier实例列表。该文档显示的实例DecisionTreeClassifier具有tree_属性，该属性是（我认为未记录）Tree类的实例。解释器中的一些探索表明，每个Tree实例都有一个max_depth参数，该参数似乎正是您要寻找的参数-再次，它没有记录。
无论如何，如果forest是您的实例RandomForestClassifier，则：
>>> [estimator.tree_.max_depth for estimator in forest.estimators_]
[9, 10, 9, 11, 9, 9, 11, 7, 13, 10]
应该可以。
每个估算器还有一个get_depth()方法，可以用更简短的语法检索相同的值：
>>> [estimator.get_depth() for estimator in forest.estimators_]
[9, 10, 9, 11, 9, 9, 11, 7, 13, 10]
为避免混淆，应注意，每个估计量（而不是每个估计量tree_）都有一个被调用的属性，该属性max depth返回参数的设置而不是实际树的深度。如何estimator.get_depth()，estimator.tree_.max_depth以及estimator.max_depth彼此相关澄清在下面的例子：
from sklearn.datasets import load_iris
from sklearn.ensemble import RandomForestClassifier
clf = RandomForestClassifier(n_estimators=3, random_state=4, max_depth=6)
iris = load_iris()
clf.fit(iris['data'], iris['target'])
[(est.get_depth(), est.tree_.max_depth, est.max_depth) for est in clf.estimators_]
出去：
[(6, 6, 6), (3, 3, 6), (4, 4, 6)]
将最大深度设置为默认值None将允许第一棵树扩展到深度7，输出为：
[(7, 7, None), (3, 3, None), (4, 4, None)]
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句