scikit学习：迭代DecisionTreeClassifier的节点

如何迭代clf的节点。我在文档中的任何地方都找不到它。

您想如何处理

clf

的节点

有一个名为

clf.tree.

的变量，它包含实际的决策树信息。在面向用户的文档中，它的文档记录得很差，但是您可以尝试更好地了解它的功能

---

不幸的是，实际的节点数组似乎隐藏在Cython属性中，但您可以使用整数索引

0…clf.tree\uNode\u count

作为

clf.tree\uFeature[i]

，

clf.tree\uThreshold[i]

等的索引（有关更多信息，请参阅链接代码中的文档）。如果您想知道样本落在哪个节点上，可以使用

clf.tree\uu.apply（X）

来获取节点的实际整数索引。

现在，有一个示例说明了如何做到这一点

在那里，他们使用

n\u节点=clf.tree\u.node\u计数
children\u left=clf.tree\u.children\u left
children\u right=clf.tree\u.children\u right
feature=clf.tree\uu0.feature
阈值=clf.树\阈值
node_depth=np.zeros（shape=n_nodes，dtype=np.int64）
is_leaves=np.zeros（shape=n_节点，dtype=bool）
堆栈=[（0，0）]#从根节点id（0）及其深度（0）开始
当len（stack）>0时：
#'pop'确保每个节点只访问一次
node_id，depth=stack.pop（）
节点深度[节点id]=深度
#如果一个节点的左、右子节点不相同，我们将进行拆分
#节点
拆分节点=子节点左[节点id]！=子节点右[节点id]
#如果是拆分节点，请将左、右子级和深度附加到“堆栈”`
#这样我们就可以循环通过它们
如果是分割节点：
stack.append（（子项左[节点id]，深度+1））
stack.append（（子项右[节点id]，深度+1））
其他：
is_leaves[node_id]=True
print（“二叉树结构有{n}个节点，有”
“以下树结构：\n”。格式（n=n_节点））
对于范围内的i（n_节点）：
如果is_离开[i]：
打印（“{space}node={node}是叶节点。”。格式(
空间=节点（深度[i]*“\t”，节点=i））
其他：
打印（“{space}node={node}是拆分节点：”
如果X[：，{feature}]有一个库，则转到节点{left}，这使得在决策树的节点（或边）上进行迭代更加容易

下面是您如何从代码示例中的拟合分类器迭代节点：

来自sklearn导入树的

导入pydotplus
dot_data=tree.export_graphviz（clf，
功能名称=iris.feature名称，
out\u file=None，
填充=真，
四舍五入=真）
graph=pydotplus.graph_from_dot_数据（dot_数据）
对于图中的节点。get_node_list（）：#迭代发生在这里！
打印（node.to_string（））

 from sklearn.datasets import load_iris
 from sklearn.tree import DecisionTreeClassifier

 iris = load_iris()
 X    = iris.data
 y    = iris.target
  
 clf  = DecisionTreeClassifier()
 clf  = clf.fit(iris.data,iris.target)