随机森林决策树的值

Question

有可能知道哪几棵树对我有预测价值吗？我使用随机森林算法做了一个目标检测项目。

from sklearn.ensemble import RandomForestClassifier
RF_model = RandomForestClassifier(n_estimators = 50, random_state = 42)

# Train the model on training data
RF_model.fit(X_for_RF, y_train)

在这里，我有50棵树，我需要知道有多少棵树给了我这个预测值。

假设随机抽取的森林对我来说，这是苹果，那么我需要得到它砍下的树的数目，苹果就像“有30棵树，告诉我这是苹果，其余的20棵决定它是香蕉”。

Answer 1

是的，使用estimators_属性是可能的：

RF_model = RandomForestClassifier(n_estimators = 50, random_state = 42)
RF_model.fit(X_for_RF, y_train)

trees = RF_model.estimators_
# Get all 50 tree predictions for the first instance
preds_for_0 = [tree.predict(X_for_RF[0].reshape(1, -1))[0] for tree in trees]

这里trees是来自sklearn.tree的n_estimators (这里是50) DecisionTreeClassifier()对象的列表。要从每个树中获取类标签，只需使用predict()方法即可。

列表preds_for_0 (长度50)存储每个组成树为X_for_RF[0]预测的标签。研究这个列表将很容易地给出大多数的标签，以及哪棵树给实例提供了什么标签。