Python 使用scikit学习包进行交叉验证时，为每个k折叠导出决策树
在使用辅助函数cross_val_score（）对RandomForestRegressionor（）的实例执行交叉验证后，您是否知道是否可以生成单个决策树（随机森林估计器之一），然后将其导出到图像中，每k个褶皱，每一个褶皱，都是一个随机森林（我猜） 另一方面，在对RandomForestRegressor（）的实例调用fit（）helper函数时，我能够得到一个特定的决策树/估计器，为同一个RandomForestRegressor实例调用属性估计器[nr\u of_tree\u in_range\u 1\u to_nr\u of_estimators]，然后将其导出到.dot文件，以此类推Python 使用scikit学习包进行交叉验证时，为每个k折叠导出决策树,python,machine-learning,scikit-learn,random-forest,Python,Machine Learning,Scikit Learn,Random Forest,在使用辅助函数cross_val_score（）对RandomForestRegressionor（）的实例执行交叉验证后，您是否知道是否可以生成单个决策树（随机森林估计器之一），然后将其导出到图像中，每k个褶皱，每一个褶皱，都是一个随机森林（我猜） 另一方面，在对RandomForestRegressor（）的实例调用fit（）helper函数时，我能够得到一个特定的决策树/估计器，为同一个RandomForestRegressor实例调用属性估计器[nr\u of_tree\u in_ran
提前感谢。也许有一种更快的方法，但通常当你想用
交叉验证分数