我正在使用Spark 1.5.0 MLlib中的随机森林进行两类分类。我想获取每个树节点中每个类的记录计数。有没有办法做到这一点？非常感谢您的帮助！
否，或者至少不是通过公开的 API。您可以使用 trees（） 获取随机树模型中的所有树。在每个树中，你可以从topNode（）开始获取所有节点，在每个节点中，你可以得到InformationGainStats，它会告诉你你的信息增益和杂质，但拆分后的元素数量不会被存储。不确定在一般情况下是否有必要，毕竟通常您不关心新子集有多大，而是在您的类方面有多混乱。
如果你需要概率，也许预测类对你来说就足够了？
首先，以 PMML 数据格式导出随机森林模型。然后，使用 JPMML 计算器库再次对数据集进行评分，并捕获每个预测的分数和节点 ID。最后，对结果进行分组。
此方法适用于任何 ML 软件/树模型类型组合。例如，你可以用完全相同的方式分析R和Scikit-Learn RF，GBM，XGBoost等模型。