有没有办法在决策树的每个叶子下获取样本？

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片叶子下。

从这里我想要红色圆圈的样本。

我正在使用 Python 的 Sklearn 决策树实现。

Answer 1

如果你只想要每个样本的叶子，你可以使用

clf.apply(iris.data)

array([ 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])

如果您想获取每个节点的所有样本，您可以使用

计算所有决策路径

dec_paths = clf.decision_path(iris.data)

然后遍历决策路径，用toarray()将它们转换为数组并检查它们是否属于一个节点。一切都存储在 defaultdict 中，其中键是节点号，值是样本号。

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)

输出

print(samples[13])

[70, 126, 138]

有没有办法在决策树的每个叶子下获取样本？

is there any way to get samples under each leaf of a decision tree?

python

machine-learning

decision-tree

scikit-learn