随机森林中的树细节

Question

我正在寻找一个随机的森林包在python或R，这将让我得到一些建成的最终森林细粒度的细节。特别是，我想：

1. 获取树的创建;
2. 对于森林中的每棵树，全面衡量其适合数据的程度（如熵）;
3. 对于训练集中的每条记录和森林中的每棵树，记录它结束于哪个终端叶;和
4. 对于一个新的记录，并在森林每个树，该终端叶的其在最终的记录。

我知道的溶液（4）也将作为一种解决方案（3），但我猜测（3）应该相对容易做到，随着森林的成长，对结果进行标记。

我在R和python的可用选项上看起来相当费劲，而且我找不到满足这四个要求的现成例程。 （很难找到满足实际让你直接看到森林的条件（1）。）

如果有人知道我错过的东西，或者自己构建了这样的程序，我会非常就像链接/引用它一样。

Answer 1

试试这个：

包解释scikit学习的决策树和随机 林预测。允许将每个预测分解为偏差和 http://blog.datadive.net/interpreting-random-forests/中描述的功能贡献组件。对于具有n个要素的数据集 ，数据集上的每个预测均被分解为 prediction = bias + feature_1_contribution + ... + feature_n_contribution。

pip install treeinterpreter 

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

Answer 2

另一种解决方案是lime，它会解释的特征的权重用于预测，并且具有使用matplotlib与jupyter（IPython中）笔记本集成容易显像阐释。