我正在尝试找出随机森林分类器用来预测某个类别的要素值的范围。
例如，我们有IRIS数据集；
我使用随机森林分类器根据花朵的特征来预测花朵属于哪一类花，共有4个特征（花冠长度，萼片宽度，花瓣长度，花瓣宽度）。
我可以找到功能的重要性，并且可以通过使用Graphviz可视化分类器采取的步骤。现在，我想找出范围是多少，例如萼片长度，这将导致预测为Setosa，即花瓣长度在0.2到0.4之间表示该物种是Setosa。我可以使用Graphviz直观地查看此数据，但是我想使用一种存储方式，并使用200个估算器对整个数据集进行分析。在决策树下方的图像中，是否有一种方法可以按文本方式收集和存储数据；如果花瓣长度<= 2.6，则该类为Setosa。
https://images.app.goo.gl/pPK1KsXAMY3z27JW8
我想要一个与此类似的数据框：
node | feature | Samples | Value | Class
--------------------------------------------------------------
1. 1 | sepal-length | 23 | <= 0.2 | Setosa
2. 3 | petal-width | 45 | <= 0.3 | Versicolor
3. ... ... ... ... ...
n. 178 | sepal-width | 3 | <= 0.4 | Setosa
一旦有了一个数据框，我便可以进行分析并查看例如； Setosa花的花瓣长度在0.1-0.3之间，萼片长度在0.4-0.7之间，等等
这甚至有可能吗？如果是这样，任何想法将不胜感激。
编辑：我已经查看了每棵树的决策路径，虽然很有帮助，但它们不包含预测的类，因此对我尝试做的事情没有帮助。
我认为我唯一的选择是仅解析从Graphviz函数获得的点文件，然后将信息手动存储到数据框中。
答案 0 :(得分：1)
scikit-learn的RandomForestClassifier具有一个名为estimators_的属性，经过训练后，它是DecisionTreeClassifier实例的列表，这些实例共同构成了森林。
现在，我们可以访问各个树，我们将仔细研究DecisionTreeClassifier实例。每个实例都有一个tree_属性，其中包含实际的决策树和您感兴趣的所有属性。
scikit学习的真棒人甚至写了documentation on how to access the tree's properties。
我了解您需要每个节点的多数类，如graphviz可视化中那样，这不是节点上的标准属性。您提到您可以解析graphviz的输出，但是也许您可以看一下graphviz代码！
如您所见at this line in the node_to_str function，它们将argmax超过了定义的here的值变量。我认为，如果将其与上面链接的文档结合起来，则应该能够在每个节点上获得该类！