如何在Python的scikit-learn中访问树深度？
我正在使用scikit-learn来创建一个随机森林。但是，我希望找到每棵树的各个深度。它看起来像是一个简单的属性，但根据文档，(http://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.html)没有办法访问它。
如果这是不可能的，有没有办法从决策树模型访问树深度？
任何帮助都将不胜感激。谢谢。
回答 1
Stack Overflow用户
发布于 2015-12-11 08:28:50
每个RandomForestClassifier实例都有一个estimators_属性，该属性是DecisionTreeClassifier实例的列表。文档显示DecisionTreeClassifier的一个实例有一个tree_属性，它是(我相信没有文档记录的) Tree类的一个实例。对解释器的一些研究表明，每个Tree实例都有一个max_depth参数，这似乎就是您要查找的参数--同样，它没有文档记录。
在任何情况下，如果forest是您的RandomForestClassifier实例，则：
>>> [estimator.tree_.max_depth for estimator in forest.estimators_]
[9, 10, 9, 11, 9, 9, 11, 7, 13, 10]应该能行得通。
每个估计器还具有一个get_depth()方法，可用于以更简洁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]为了避免混淆，应该注意到每个估计器(而不是每个估计器的tree_)都有一个名为max depth的属性，该属性返回参数的设置，而不是实际树的深度。下面的示例说明了estimator.get_depth()、estimator.tree_.max_depth和estimator.max_depth之间的关系：
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_]输出：
[(6, 6, 6), (3, 3, 6), (4, 4, 6)]将最大深度设置为默认值None将允许第一个树扩展到深度7，输出将为：
[(7, 7, None), (3, 3, None), (4, 4, None)]https://stackoverflow.com/questions/34214087
复制相似问题