Scikit learn 从随机森林分类器中提取树（预测器）

我有一个关于sklearn的特定技术问题，随机森林分类器

使用“.fit（X，y）”方法拟合数据后， 有没有办法提取实际的树 从估计器对象，以某种常见格式，因此“.predict（X）”

---

方法可以在python之外实现？

是的，林的树存储在 森林物体

您可以查看

export\u graphviz

函数了解如何编写自定义导出器：

以下是此功能的使用说明：

---

是的，并且@ogrisel answer使我能够实现以下代码片段，它允许使用（部分训练的）随机林来预测值。如果要交叉验证随机森林模型的树数，可以节省大量时间：

rf_model = RandomForestRegressor()
rf_model.fit(x, y)

estimators = rf_model.estimators_

def predict(w, i):
    rf_model.estimators_ = estimators[0:i]
    return rf_model.predict(x)

---

我在这里详细解释了这一点：

谢谢奥利弗！这实际上还没有帮助（从0.14.1开始）。这里有一个pull请求：有没有尝试过该解决方案的示例，正如我在Google Colab中尝试的那样，我在（）中得到了错误，---------------------------------------------------------------------------------------ValueError Traceback（最近一次调用）19将numpy作为np 20--->21从..utils.validation导入检查从安装22 23。导入\u标准值错误：尝试在顶级包之外进行相对导入