您如何访问 Python 的 scikit-learn 中的树深度？

Question

我正在使用 scikit-learn 创建随机森林。但是，我想找到每棵树的个体深度。这似乎是一个简单的属性，但根据文档，(http://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.html) 没有办法访问它。

如果这不可能，是否可以通过决策树模型访问树深度？

如有任何帮助，我们将不胜感激。谢谢。

Answer 1

RandomForestClassifier 的每个实例都有一个 estimators_ 属性，它是 DecisionTreeClassifier 个实例的列表。文档显示 DecisionTreeClassifier 的一个实例有一个 tree_ 属性，它是（我相信没有记录的）Tree class 的一个实例。解释器中的一些探索表明每个 Tree 实例都有一个 max_depth 参数， 看起来 是您正在寻找的参数——同样，它没有记录。

无论如何，如果 forest 是 RandomForestClassifier 的实例，那么：

>>> [estimator.tree_.max_depth for estimator in forest.estimators_]
[9, 10, 9, 11, 9, 9, 11, 7, 13, 10]

应该可以解决问题。

每个估算器还有一个 get_depth() 方法，可用于通过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，应注意每个估算器（而不是每个估算器的 tree_）都有一个属性，称为 max depth，其中 returns 参数的设置而不是比实际树的深度。 estimator.get_depth()、estimator.tree_.max_depth 和 estimator.max_depth 如何相互关联在下面的示例中得到阐明：

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 将允许第一棵树扩展到深度 7，输出将是：

[(7, 7, None), (3, 3, None), (4, 4, None)]

您如何访问 Python 的 scikit-learn 中的树深度？

How do you access tree depth in Python's scikit-learn?

python

decision-tree

depth

random-forest

scikit-learn