Apache spark 如何获得Spark MLlib随机林中每个树节点的记录计数/类分布？

我正在Spark 1.5.0 MLlib中使用随机林进行两类分类。我想得到每个树节点中每个类的记录数。有办法做到这一点吗？非常感谢你的帮助

没有，或者至少没有通过公开的API。可以使用获取随机树模型中的所有树。在每个树中，您可以获得从开始的所有节点，在每个节点中，您可以获得这些节点，这些节点将告诉您您的属性和杂质，但不会存储分割后的元素数。不确定这在一般情况下是否有必要，毕竟通常你并不关心新的子集有多大，而是关心它在你的类中有多混乱

---

如果您需要概率，可能该类对您来说就足够了？

首先，以PMML数据格式导出您的随机林模型。然后，使用重新评分数据集，并捕获每个预测的评分和节点id。最后，将结果分组

---

这种方法适用于任何ML软件/树模型类型组合。例如，您可以以完全相同的方式分析R和Scikit Learn RF、GBM、XGBoost等型号。

感谢Mateusz的及时回答和非常有用的信息！我需要的是根据节点的误报率（FPR）从树节点创建规则。如果一个节点的FPR<10，那么我想为该节点创建一个规则。您提到的

Predict

类是否有助于实现这一点？如果您想可视化决策树的结构，了解每个节点的分布情况将非常有用。