Python中的随机森林实现

Question

all！

有人能给我一个关于Python中随机森林实现的建议吗？理想情况下，我需要输出尽可能多的分类器信息的东西，尤其是：

1. 训练集中的哪些向量用于训练每个决策树木
2. 在每个节点中随机选择哪些特征树，来自训练集的样本最终出现在该节点中选择要拆分的特征，以及使用哪个threashold分割

我已经找到了一些实现，最著名的可能来自scikit，但不清楚如何在那里执行（1）和（2）（见这个问题）。其他实现似乎也有同样的问题，除了openCV中的一个，但它是在C++中实现的（python接口并没有涵盖随机森林的所有方法）。

有人知道满足（1）和（2）的东西吗？或者，你知道如何改进scikit实现以获得特性（1）和（2）吗？

已解决：检查了sklearn.tree._tree.tree的源代码。它有很好的评论（完全描述了树）：

 children_left : int*
    children_left[i] holds the node id of the left child of node i.
    For leaves, children_left[i] == TREE_LEAF. Otherwise,
    children_left[i] > i. This child handles the case where
    X[:, feature[i]] <= threshold[i].
children_right : int*
    children_right[i] holds the node id of the right child of node i.
    For leaves, children_right[i] == TREE_LEAF. Otherwise,
    children_right[i] > i. This child handles the case where
    X[:, feature[i]] > threshold[i].
feature : int*
    feature[i] holds the feature to split on, for the internal node i.
threshold : double*
    threshold[i] holds the threshold for the internal node i.

Answer 1

您可以在scikit learn中获得几乎所有的信息。到底是什么问题？您甚至可以使用点来可视化这些树。我不认为你能发现哪些分裂的候选人是随机抽样的，但你可以发现哪些最终被选中了。编辑：查看决策树的tree_属性。我同意，它没有很好的记录。确实应该有一个例子来可视化叶子分布等。你可以看看可视化函数，了解如何获得属性。