我看到 DecisionTreeClassifier 接受 criterion='entropy'，这意味着它必须使用信息增益作为 split 决策树的标准。 我需要的是在即将 split 根节点时，根级别的每个特征的信息增益。
最佳答案
您只能访问已用作拆分节点的特征的信息增益(或基尼杂质)。属性 DecisionTreeClassifier.tree_.best_error[i] 保存第 i 个节点在特征 DecisionTreeClassifier.tree_.feature[i] 上 split 的熵。如果您想要到达第 i 个节点的所有示例的熵，请查看 DecisionTreeClassifier.tree_.init_error[i]。
有关更多信息，请参阅此处的文档:https://github.com/scikit-learn/scikit-learn/blob/dacfd8bd5d943cb899ed8cd423aaf11b4f27c186/sklearn/tree/_tree.pyx#L64
如果您想访问每个特征的熵(在某个拆分节点)- 您需要修改函数 find_best_split https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/tree/_tree.pyx#L713
关于python - 如何从 scikit-learn DecisionTreeClassifier 获取信息增益？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/16392872/