有没有办法在决策树的每个叶子下面获取样本？

Question

我使用数据集训练了决策树。现在我想看看哪些样本落在树的哪个叶子下面。

从这里我想要红色圆圈样本。

我正在使用Python的Sklearn对决策树的实现。

Answer 1

如果您只想要每个样本的叶子，您可以使用

clf.apply(iris.data)

  

数组（[1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1   1，           1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1，           1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,5，           5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5，           5,5,14,5,5,5,5,5,5,10,5,5,5,5,5,10,5，           5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,16,16，          16,16,16,16,6,16,16,16,16,16,16,16,16,16,16,16,16，           8,16,16,16,16,16,16,15,16,16,11,16,16,16,8,8,16，          16,16,15,16,16,16,16,16,16,16,16,16,16,16]）

如果要获取每个节点的所有样本，可以使用

计算所有决策路径

dec_paths = clf.decision_path(iris.data)

然后遍历决策路径，将它们转换为toarray()的数组，并检查它们是否属于某个节点。所有内容都存储在defaultdict中，其中键是节点编号，值是样本编号。

for d, dec in enumerate(dec_paths):
    for i in range(clf.tree_.node_count):
        if dec.toarray()[0][i]  == 1:
            samples[i].append(d)

完整代码

import sklearn.datasets
import sklearn.tree
import collections

clf = sklearn.tree.DecisionTreeClassifier(random_state=42)
iris = sklearn.datasets.load_iris()
clf = clf.fit(iris.data, iris.target)

samples = collections.defaultdict(list)
dec_paths = clf.decision_path(iris.data)

for d, dec in enumerate(dec_paths):
    for i in range(clf.tree_.node_count):
        if dec.toarray()[0][i]  == 1:
            samples[i].append(d) 

<强>输出

print(samples[13])

  

[70,126,138]