随机树细节

Question

我正在寻找python或R中的一个随机森林包，它可以让我获得关于最终构建的林的一些细粒度细节。我特别想：

1. 获取创建的树的一些表示
2. 对于森林中的每一棵树，得到它与数据拟合程度的整体度量（如熵）
3. 对于训练集中的每一个记录和森林中的每棵树，记录它最终在哪片末梢叶子；以及
4. 对于一个新的记录，对于森林中的每一棵树，都有一个它最终在哪片末梢叶子的记录。在

我知道（4）的解决方案也可以作为（3）的解决方案，但我猜（3）应该相对容易些，因为随着森林的生长，跟踪结果。在

我仔细研究了R和python中的可用选项，但是我找不到一个现成的例程来满足这四个需求。（很难找到一个满足条件（1）的人，即让你直接看到森林。）

如果有人知道我错过了什么，或者自己构建了这样一个程序，我非常希望有一个链接/参考。在

Answer 1

试试这个：

Package for interpreting scikit-learn's decision tree and random forest predictions. Allows decomposing each prediction into bias and feature contribution components as described in http://blog.datadive.net/interpreting-random-forests/. For a dataset with n features, each prediction on the dataset is decomposed as prediction = bias + feature_1_contribution + ... + feature_n_contribution.

pip install treeinterpreter

http://blog.datadive.net/random-forest-interpretation-with-scikit-learn/

Answer 2

另一个解决方案是lime，它将解释预测特征的权重，并使用matplotlib对预测进行可视化解释，该库可以轻松地与jupyter（ipython）笔记本电脑集成。在