Scikit learn 如何应用从sciki学习决策树中学习到的规则

我正在scikit学习中构建决策树。搜索stackoverflow可以找到一种方法来提取与每个叶关联的规则。现在我的目标是将这些规则应用到新的观察中，看看新的观察结果会怎样

这是一个抽象的例子。假设我们得到了叶1的规则。a7，则观察属于叶#1。现在，我想做一个新的观察，并将这些规则应用到它身上，以检查它最后是什么叶子

---

我试图使用决策树进行分割

可以找到将决策树分类器与scikit学习结合使用的示例。该示例包括训练分类器和验证第二个数据集的结果

将经过训练的决策树应用于新数据样本时，可使用返回结果：

 predict(X, check_input=True)

其中X是检查中的新数据样本的特征向量

---

链接可能会帮助您了解如何输出决策树分类器的规则。

您可以使用

DecisionTreeClassifier

的

apply

方法来获取每个样本预测为的叶的索引

from sklearn.tree import DecisionTreeClassifier
clf = DecisionTreeClassifier()
clf.fit([[1,2,3],[10,19,20],[6,7,7]],[1,1,0])    
clf.apply([[6,7,7]])
# array([3])

---

官方网站上的文件不充分@使用graphviz进行Mai可视化可以让您了解规则，但您需要手动编程这些规则，以便在新的观察中使用这些规则（了解leaf）。我期待着从决策树中自动提取一个函数，这将消除手动编码。当树很小时，手动编码是可以的，但是当它很大时，它实际上是不可能的。使用_tree属性如何？我认为您可以查看源代码以了解如何使用_tree属性，然后从那里开始。我不太明白你的问题。也许稍微澄清一下可能会有所帮助。@Mai，这是有道理的，但我希望有一条捷径。我认为ML模型通常是用来预测未来的实例的。DT经过训练并用于预测未来观测的结果。你为什么要提取规则？你完全正确，我知道。我想我是疯了。非常感谢。事实上，直到我研究了你的问题，我才知道这一点，所以我学到了一些新东西；）