关于随机森林及其在scikit中的实现，我有一个非常具体的问题 . 我建造了一片森林，到目前为止预测工作得很好 . 但是，我需要知道在安装森林后哪些 particular 特征最终会出现在单树的叶子中 .
我已经理解了层次结构，其中随机森林构建了单个决策树，我可以通过"estimators_"属性访问它，并且在每个决策树都有一个"tree_"属性的路上 . 在这个树中，我找到有关特定节点，叶子和分裂的信息，但是我无法找到 which specific features end up in a leaf ，甚至找不到哪个特征分配给那个特定的树？
只是为了澄清我不打算手动分析树节点，但我希望有一个相似性度量，基于特定的一组特征在树的叶子中结束的频率 .
非常感谢你 ！
附：为了防止有人感兴趣，我从这篇论文中得到了这个相似性度量的想法：http://www.sciencedirect.com/science/article/pii/S1053811912009834
edit ：好的，我还有更进一步 . 显然有一个合奏的方法"Finds the terminal region (=leaf node) for each sample in X."这可以在这里找到（第2465行）https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/tree/_tree.pyx
我已经摆弄，但无法完全理解代码 . 我可以制作rf.apply（np.array（[i，j]）），其中i，j是用于拟合模型的2D矩阵中的样本编号，它返回它所在的叶子 . 好极了！但唯一奇怪的是我可以使用比实际样本更大的数字吗？如果索引是大的，或者我做错了，它是否假设最后一个样本？
出于测试目的，我制作了一个10x5矩阵，但我可以索引rf.apply（np.array（[500,2333]））而不会出错？
抱歉，我不完全确定如何向此功能提供数据 .
1 回答
您可以在Python中提取决策节点，如how extraction decision rules of random forest in python中所述 . 然后可以在树上检查哪些特征导致每片叶子 .