Python 2.7 在分类树Python 2.7中查找预测响应的相应样本分数

我知道如何使用

sklearn

拟合树。我还知道如何使用

predict

或

predict\u proba

进行预测。然而，对于预测，我想得到（原始）样本分数，而不是概率

例如，在拟合树中，两个叶节点的a类概率可能都为0.2，但一个为2/10，而另一个为400/2000。现在，如果我使用这个树，我希望得到像[4002000]或[2,10]这样的值，而不仅仅是0.2

n\u node\u sample

和

value

属性将此类信息存储在拟合的树对象中，但我不知道如何在预测中从中提取适当的值

---

提前感谢。

您可以使用树的

tree.tree\应用
方法找出点最终位于哪个叶中，然后使用
tree.tree\值数组检查每个类在该叶中的样本数：

import numpy as np
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier

iris = load_iris()
tree = DecisionTreeClassifier(max_depth=2).fit(iris.data, iris.target)

leaf = tree.tree_.apply(iris.data[50:51].astype(np.float32))
print(leaf)
# output [3]
print(tree.tree_.value[leaf])
# output [[[  0.  49.   5.]]]
print(tree.predict_proba(iris.data[50:51]))
# output [[ 0.          0.90740741  0.09259259]]

在下一个版本中，0.17
tree.tree\uu32>将作为
tree.apply“公共”并负责数据类型转换（到float32）。请参阅。
您可以使用树的
tree.tree\应用
方法找出该点最终位于哪个叶中，然后使用
tree.tree\值
数组检查该叶中每个类的样本数：

import numpy as np
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier

iris = load_iris()
tree = DecisionTreeClassifier(max_depth=2).fit(iris.data, iris.target)

leaf = tree.tree_.apply(iris.data[50:51].astype(np.float32))
print(leaf)
# output [3]
print(tree.tree_.value[leaf])
# output [[[  0.  49.   5.]]]
print(tree.predict_proba(iris.data[50:51]))
# output [[ 0.          0.90740741  0.09259259]]

在下一个版本中，0.17
tree.tree\uu32>将作为
tree.apply“公共”并负责数据类型转换（到float32）。看