隨機森林中的樹細節

Question

我正在尋找一個隨機的森林包在python或R，這將讓我得到一些建成的最終森林細粒度的細節。特別是，我想：

1. 獲取樹的創建;
2. 對於森林中的每棵樹，全面衡量其適合數據的程度（如熵）;
3. 對於訓練集中的每條記錄和森林中的每棵樹，記錄它結束於哪個終端葉;和
4. 對於一個新的記錄，並在森林每個樹，該終端葉的其在最終的記錄。

我知道的溶液（4）也將作爲一種解決方案（3），但我猜測（3）應該相對容易做到，隨着森林的成長，對結果進行標記。

我在R和python的可用選項上看起來相當費勁，而且我找不到滿足這四個要求的現成例程。 （很難找到滿足實際讓你直接看到森林的條件（1）。）

如果有人知道我錯過的東西，或者自己構建了這樣的程序，我會非常就像鏈接/引用它一樣。

Answer 1

試試這個：

包解釋scikit學習的決策樹和隨機 林預測。允許將每個預測分解爲偏差和 http://blog.datadive.net/interpreting-random-forests/中描述的功能貢獻組件。對於具有n個要素的數據集 ，數據集上的每個預測均被分解爲 prediction = bias + feature_1_contribution + ... + feature_n_contribution。

pip install treeinterpreter 

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

Answer 2

另一種解決方案是lime，它會解釋的特徵的權重用於預測，並且具有使用matplotlib與jupyter（IPython中）筆記本集成容易顯像闡釋。