如何从scikit-learn中导出决策树，并根据树中的类权重来计算值？

Question

我正在使用DecisionTreeClassifier研究数据样本，并且样本不平衡（很多0，几个1）。因此，我使用class_weight={0: 1, 1: 5}参数训练模型。

训练后，我需要导出树以说明研究。我使用sklearn.tree.export_graphviz，但它不计算样本中的实际对象数。它显示“值= [zeroes_count * 1，ones_count * 5]”，因此数字使我和我正在显示结果的任何人感到困惑。

是否有一种方法可以将类的权重计算出来？

现在我将树导出到字符串：

g = export_graphviz(clf, None)

，并将所有用逗号分隔的数字对替换为新值：

def recalc(s):
    values = s[0][1:-1].split(',')
    return f"[{values[0]}, {int(values[1]) // weight_for_1}]"

regex = re.compile('\[\d+\, \d+\]')
g = re.sub(regex, recalc, g)

之后，我将字符串写入文件：

with open('tree.dot', 'w') as fw:
    fw.write(g)