如何從 scikit-learn 決策樹中提取決策規則？

從scikit-learn 決策樹中提取決策規則

問題陳述：

可以將經過訓練的決策樹模型底層的決策規則提取為文字清單？

解決方案：

使用tree_to_code 函數，可以產生一個有效的Python 函數表示scikit-learn 決策樹的決策規則：

<code class="python">from sklearn.tree import _tree

def tree_to_code(tree, feature_names):
    tree_ = tree.tree_
    feature_name = [
        feature_names[i] if i != _tree.TREE_UNDEFINED else "undefined!"
        for i in tree_.feature
    ]
    print("def tree({}):".format(", ".join(feature_names)))

    def recurse(node, depth):
        indent = "  " * depth
        if tree_.feature[node] != _tree.TREE_UNDEFINED:
            name = feature_name[node]
            threshold = tree_.threshold[node]
            print("{}if {} <= {}:".format(indent, name, threshold))
            recurse(tree_.children_left[node], depth + 1)
            print("{}else:  # if {} > {}".format(indent, name, threshold))
            recurse(tree_.children_right[node], depth + 1)
        else:
            print("{}return {}".format(indent, tree_.value[node]))

    recurse(0, 1)</code>

範例：

對於嘗試傳回其輸入（0 之間的數字）的決策樹和10)，tree_to_code 函數將列印下列Python 函數：

<code class="python">def tree(f0):
  if f0 <= 6.0:
    if f0 <= 1.5:
      return [[ 0.]]
    else:  # if f0 > 1.5
      if f0 <= 4.5:
        if f0 <= 3.5:
          return [[ 3.]]
        else:  # if f0 > 3.5
          return [[ 4.]]
      else:  # if f0 > 4.5
        return [[ 5.]]
  else:  # if f0 > 6.0
    if f0 <= 8.5:
      if f0 <= 7.5:
        return [[ 7.]]
      else:  # if f0 > 7.5
        return [[ 8.]]
    else:  # if f0 > 8.5
      return [[ 9.]]</code>

注意事項：

避免以下常見問題：

• 不要依賴tree_.threshold == -2來辨識葉子節點；檢查tree.feature或tree .children_*。
• 正確指定特徵名稱，避免可能對應於未定義特徵的整數。
• 在遞歸函數中單一if語句就夠了。

以上是如何從 scikit-learn 決策樹中提取決策規則？的詳細內容。更多資訊請關注PHP中文網其他相關文章！