访问随机森林模型中单个树的底层 (tree_) 对象 (Python, scikit-learn)

Question

我需要将随机森林模型转换为基于规则的模型或基于 (if-then) 的模型。我现在已经创建了我的模型并且它已经调整好了。我面临的问题是我无法“访问”(base_estimator) 或底层（tree_ 对象），这将使得创建一个可以从森林中的树中提取规则的函数成为可能。如果您能帮我解决这个问题，我将不胜感激。要创建我使用的模型：

    estimator = RandomForestRegressor(oob_score=True, n_estimators=10,max_features='auto')

我尝试使用 estimator.estimators_ 属性访问单个树，然后使用例如 estimator.estimators_[0].tree_ 获取用于构建森林的决策树（DecisionTreeRegressor 对象）。不幸的是，这个方法不起作用。

如果可能的话，我想要这样的东西：

   estimator = RandomForestRegressor(oob_score=True, n_estimators=10,max_features='auto')
   estimator.fit(tarning_data,traning_target)
   tree1 = estimator.estimators_[0]
   leftChild = tree1.tree_.children_left
   rightChild = tree1.tree_.children_right

Answer 1

要访问随机森林模型中 DecisionTreeRegressor 对象的底层结构，您需要按照以下步骤操作：

estimator = RandomForestRegressor(oob_score=True,n_estimators=10,max_features='auto')
estimator.fit(tarning_data,traning_target)
tree1 = estimator.estimators_[0]
leftChilds = tree1.tree_.children_left # array of left children
rightChilds = tree1.tree_.children_right #array of right children

即本质上是问题中已经描述的内容。