Python 如何从随机森林分类器中提取决策树?
我有以下代码:Python 如何从随机森林分类器中提取决策树?,python,scikit-learn,Python,Scikit Learn,我有以下代码: print('Training...') forest = RandomForestClassifier(n_estimators=100) forest = forest.fit( train_data[0::,1::], train_data[0::,0] ) print('Predicting...') output = forest.predict(test_data).astype(int) if sys.version_info >= (3,0,0):
print('Training...')
forest = RandomForestClassifier(n_estimators=100)
forest = forest.fit( train_data[0::,1::], train_data[0::,0] )
print('Predicting...')
output = forest.predict(test_data).astype(int)
if sys.version_info >= (3,0,0):
predictions_file = open("myfirstforest.csv", 'w', newline='')
else:
predictions_file = open("myfirstforest.csv", 'wb')
tree.export_graphviz(forest, out_file='tree.dot')
最后一行不起作用,因为林中不包含树。有没有办法生成一个表示分类器校准的点文件?这有帮助吗:?但是森林有很多树。我如何打印所有的树,你放的链接是我问这个问题的原因,它似乎不能直接直接工作,我对scikit完全不熟悉。