访问随机林模型中单个树的底层（树）对象（Python，scikit learn）_Python_Machine Learning_Scikit Learn_Random Forest_Decision Tree

访问随机林模型中单个树的底层（树）对象（Python，scikit learn）

python machine-learning scikit-learn

访问随机林模型中单个树的底层（树）对象（Python，scikit learn）,python,machine-learning,scikit-learn,random-forest,decision-tree,Python,Machine Learning,Scikit Learn,Random Forest,Decision Tree,我需要将随机Fores模型转换为基于规则的模型或（如果是）基于规则的模型。我现在已经创建了我的模型，并且已经进行了很好的调整。我面临的问题是，我无法“访问”（base_estimator）或底层（tree_object），这将使创建一个可以从林中的树中提取规则的函数成为可能。如果你能在这个问题上帮助我，我将非常感激。要创建我使用的模型，请执行以下操作： estimator = RandomForestRegressor(oob_score=True, n_estimators=10,ma

我需要将随机Fores模型转换为基于规则的模型或（如果是）基于规则的模型。我现在已经创建了我的模型，并且已经进行了很好的调整。我面临的问题是，我无法“访问”（base_estimator）或底层（tree_object），这将使创建一个可以从林中的树中提取规则的函数成为可能。如果你能在这个问题上帮助我，我将非常感激。要创建我使用的模型，请执行以下操作：

    estimator = RandomForestRegressor(oob_score=True, n_estimators=10,max_features='auto')

我试着使用

estimator.estimators\uuz

属性访问一棵树，然后使用例如

estimator.estimators\u0].tree来获取用于构建森林的决策树（DecisionTreeRecessor
对象）。不幸的是，这种方法不起作用
如果可能的话，我想要如下内容：
   estimator = RandomForestRegressor(oob_score=True, n_estimators=10,max_features='auto')
   estimator.fit(tarning_data,traning_target)
   tree1 = estimator.estimators_[0]
   leftChild = tree1.tree_.children_left
   rightChild = tree1.tree_.children_right

要访问随机林模型中的DecisionTreeRegressor
对象的底层结构，需要遵循以下步骤：
estimator = RandomForestRegressor(oob_score=True,n_estimators=10,max_features='auto')
estimator.fit(tarning_data,traning_target)
tree1 = estimator.estimators_[0]
leftChilds = tree1.tree_.children_left # array of left children
rightChilds = tree1.tree_.children_right #array of right children

i、 e.问题中已经描述的基本内容