实用：sklearn提取决策树数据例子(附python代码)_sklearn决策树实例

《老饼讲解机器学习》https://www.bbbdata.com/ml/text/35

目录

一.决策树数据提取代码

二. 例子解说

1.提取树结构

2.提取节点信息

 用sklearn建好决策树后，可以打印出树的结构：

但往往我们提取图中的数据（例如用于将决策树转化成规则代码），那图中的数据究竟在哪呢？
本文讲述如何在sklearn训练好决策树后，提取决策树中的数据。 

一.决策树数据提取代码

决策树的结构主要由如下代码提取：
左节点编号  :  clf.tree_.children_left
右节点编号  :  clf.tree_.children_right
分割的变量  :  clf.tree_.feature
分割的阈值  :  clf.tree_.threshold
不纯度(gini) :  clf.tree_.impurity
样本个数      :  clf.tree_.n_node_samples
样本分布      :  clf.tree_.value

二. 例子解说

直接用例子说明

代码：

# -*- coding: utf-8 -*-
from sklearn.datasets import load_iris
from sklearn import tree
import graphviz 
#----------------数据准备----------------------------
iris = load_iris()                          # 加载数据
#---------------模型训练---------------------------------
clf = tree.DecisionTreeClassifier(random_state=0,max_depth=3)        
clf = clf.fit(iris.data, iris.target)     
#---------------树结构可视化-----------------------------
dot_data = tree.export_graphviz(clf) 
graph = graphviz.Source(dot_data)  
graph                                    # 需要独立运行
#---------------提取模型结构数据--------------------------
children_left    = clf.tree_.children_left            # 左节点编号
children_right   = clf.tree_.children_right            # 右节点编号
feature        = clf.tree_.feature               # 分割的变量
threshold       = clf.tree_.threshold              # 分割阈值
impurity       = clf.tree_.impurity               # 不纯度(gini)
n_node_samples   = clf.tree_.n_node_samples            # 样本个数
value         = clf.tree_.value                 # 样本分布
 
#-------------打印------------------------------
print("children_left:",children_left)        
print("children_right:",children_right)
print("feature:",feature)
print("threshold:",threshold)
print("impurity:",impurity)
print("n_node_samples:",n_node_samples)
print("value:",value)

运行结果：

children_left : [ 1 -1  3  4 -1 -1  7 -1 -1]
children_right: [ 2 -1  6  5 -1 -1  8 -1 -1]
feature       : [ 3 -2 3 2 -2 -2 2 -2 -2]
threshold     : [ 0.80000001 -2.  1.75   4.95000005 -2.   -2.  4.85000014 -2.   -2.]
impurity      : [0.66666667 0.  0.5   0.16803841 0.04079861 0.44444444 0.04253308 0.44444444 0.  ]
n_node_samples: [150 50 100 54 48  6 46  3 43]
value         : [[[50. 50. 50.]][[50.  0.  0.]] [[ 0. 50. 50.]] [[ 0. 49.  5.]] [[ 0. 47.  1.]] [[ 0.  2.  4.]] [[ 0.  1. 45.]] [[ 0.  1.  2.]] [[ 0.  0. 43.]]]

1.提取树结构

树结构主要靠children_left和children_right ，它们记录了左右节点编号

children_left[0] 代表 第0(根节点)个节点的左节点编号为1，同理，右节点编号为 children_right[0] = 2，
左节点1和节点2的子节点去哪找呢，直接代入 children_left和 children_right即可：
左节点1的子节点编号： 左子节点 children_left[1] = -1，右子节点children_right[1] =-1, -1代表没有子节点(即叶子节点)。
右节点2的子节点编号： 左子节点   children_left[2] = 3，右子节点children_right[2] = 6 。
....
如此类推，即知树结构。

备注： 借助图与输出值对比，比较容易理解

2.提取节点信息

第0个节点的信息：
分割变量             ：feature[0] = 3
分割阈值             ：threshold[0] =0.8
不纯度(gini系数) ：impurity[0]  = 0.66666667
样本个数             ：n_node_samples[0] = 150
样本分布             ：value[0] = [50 50 50]

第1个节点的信息：
分割变量             ：feature[1]= -2  (叶子节点,该值没意义)
分割阈值             ：threshold[1] = -2 (叶子节点,该值没意义)
不纯度(gini系数) ：impurity[1]= 0
样本个数             ：n_node_samples[1] = 50
样本分布             ：value[1]= [50 0 0]
......
......
如此类推即可。

备注：sklearn并没有直接存决策树的类别(概率)预测值，我们需要借助 样本分布value：样本最多的一类即预测类，样本占比即预测概率。

相关文章

《一个简单的决策树分类例子》

《sklearn决策树结果可视化》

《sklearn决策树参数详解》