随机森林中的树细节

Question

我正在寻找一个 python 或 R 中的随机森林包，它可以让我获得关于最终构建的森林的一些细粒度的细节。特别是，我想：

1. 获取创建的树的一些表示；
2. 对于森林中的每棵树，获取其与数据拟合程度的总体度量（如熵）；
3. 对于训练集中的每条记录和森林中的每棵树，记录它最终位于哪个终端叶；和
4. 对于新记录，对于森林中的每棵树，记录它最终位于哪个末端叶子中。

我意识到 (4) 的解决方案也可以作为 (3) 的解决方案，但我猜测 (3) 应该相对容易通过在森林生长时密切关注结果来实现。

我非常努力地研究了 R 和 python 中的可用选项，但我找不到满足所有这四个要求的现成例程。 （很难找到一个满足条件（1）的，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的例程，我非常想要一个链接/参考。

Answer 1

另一个解决方案是lime，它会解释预测的特征权重，并有一个使用matplotlib的可视化解释，它可以很容易地与jupyter(ipython) notebook集成。

Answer 2

试试这个：

用于解释 scikit-learn 的决策树和随机数的包 森林预测。允许将每个预测分解为偏差和 特征贡献组件，如中所述 http://blog.datadive.net/interpreting-random-forests/。对于数据集 具有 n 个特征，数据集上的每个预测被分解为 预测 = 偏差 + feature_1_contribution + ... + feature_n_contribution。

pip install treeinterpreter

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