我正在使用 scikit-learn 创建一个随机森林。但是，我想找到每棵树的各个深度。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，有没有办法从决策树模型中访问树的深度？
任何帮助将不胜感激。谢谢。
最佳答案
RandomForestClassifier 的每个实例都有一个 estimators_ 属性，它是 DecisionTreeClassifier 的列表实例。文档显示 DecisionTreeClassifier 的实例具有 tree_ 属性，该属性是(未记录的，我相信)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，似乎正是您要寻找的 - 再次，它是无证。
无论如何，如果 forest 是您的 RandomForestClassifier 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()方法比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]
为避免混淆，需要注意的是，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，它返回参数的设置而不是实际树的深度。 estimator.get_depth()、estimator.tree_.max_depth 和 estimator.max_depth 之间的关系在以下示例中进行了说明:
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)]
关于python - 如何在 Python 的 scikit-learn 中访问树深度？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/34214087/