python - 从经过训练的 sklearn DecisionTreeClassifier 中的树节点预测的分类概率

Question

我已经安装了 DecisionTreeClassifier 的实例，并且正在尝试提取每个节点的预测概率。我需要这个来创建类似于下面所示的自定义决策树可视化。

我可以导出每个节点的特征和阈值。

dtc.tree_.feature
Out[72]: array([93, 36, 92, 51, 84, -2, 20, -2, -2, -2, -2, -2,  6, -2, -2])

dtc.tree_.threshold
Out[73]: 
array([ 50.5       ,   0.5       ,  85.50991821,   0.5       ,
         5.5       ,  -2.        ,   0.5       ,  -2.        ,
        -2.        ,  -2.        ,  -2.        ,  -2.        ,
         0.5       ,  -2.        ,  -2.        ])

理想情况下，我会使用与此类似的方法导出每个节点的预测概率。

dtc.tree_.probability
Out[xx]:
array([0.50, 0.42, 0.21, 0.45, 0.62, ....])

这可能吗？

Answer 1

我发现值是属于每个类别的样本数量，而我的“预测概率”可以被认为是属于给定类别的样本比例。因此我可以使用以下方法计算它:

samples = dtc.tree_.n_node_samples
class1_positives = dtc.tree_.value[:,0,1]
probs = (class1_positives/samples).tolist()