Python随机林分类器（如何测试）

我已经能够在数据集上创建一个RandomForestClassifier

clf = RandomForestClassifier(n_estimators=100, random_state = 101)   

然后我可以在测试数据上使用它，如下所示：

prediction = pd.DataFrame(clf.predict(x)) # x = Matrix of predictor values 

因此，我的问题是，如何在Python之外测试clf.predict，如何查看正在使用的值，如何“手动”测试它，例如，如果在回归中获得Beta，那么可以在Excel中使用这些值并复制模型。如何在Python中使用随机森林实现这一点

还有没有一个类似于Rsquared的指标来测试模型的解释能力

---

谢谢

RandomForestClassifier是树的集合，这意味着它由多棵树组成

为了能够测试我建议在Python中使用的树，您可以访问分类器的

估计器

属性中的所有树，然后使用

export\u graphviz

从

sklearn.tree

模块将它们导出为图形

如果坚持导出树，则需要导出由每个树组成的所有规则。为此，您可以按照sklearn文档中的说明进行操作

---

关于指标，对于分类问题，您可以使用

sklearn.metrics

模块中的

accurity\u score

RandomForestClassifier是树的集合，这意味着它由多棵树组成

为了能够测试我建议在Python中使用的树，您可以访问分类器的

估计器

属性中的所有树，然后使用

export\u graphviz

从

sklearn.tree

模块将它们导出为图形

如果坚持导出树，则需要导出由每个树组成的所有规则。为此，您可以按照sklearn文档中的说明进行操作

关于指标，对于分类问题，您可以使用

sklearn.metrics

模块中的

accurity\u score