Wie extrahiere ich Entscheidungsregeln aus Scikit-Learn-Entscheidungsbäumen in Python?

Entscheidungsregeln aus Scikit-Learn-Entscheidungsbäumen extrahieren

Das Extrahieren der zugrunde liegenden Entscheidungsregeln aus einem trainierten Entscheidungsbaum kann wertvolle Einblicke in seine Entscheidung liefern -Herstellungsprozess. So machen Sie es in einem Textlistenformat mit Python.

Python-Funktion:

<code class="python">from sklearn.tree import _tree

def tree_to_code(tree, feature_names):
    tree_ = tree.tree_
    feature_name = [
        feature_names[i] if i != _tree.TREE_UNDEFINED else "undefined!"
        for i in tree_.feature
    ]
    print("def tree({}):".format(", ".join(feature_names)))

    def recurse(node, depth):
        indent = "  " * depth
        if tree_.feature[node] != _tree.TREE_UNDEFINED:
            name = feature_name[node]
            threshold = tree_.threshold[node]
            print("{}if {} <= {}:".format(indent, name, threshold))
            recurse(tree_.children_left[node], depth + 1)
            print("{}else:  # if {} > {}".format(indent, name, threshold) + depth)
            recurse(tree_.children_right[node], depth + 1)
        else:
            print("{}return {}".format(indent, tree_.value[node]))

    recurse(0, 1)</code>

Beispielverwendung:

<code class="python">tree_model = DecisionTreeClassifier().fit(X, y)
tree_to_code(tree_model, feature_names)</code>

Diese Funktion durchläuft iterativ die Baumstruktur und druckt Entscheidungsregeln für jeden Zweig aus, wenn er auf sie trifft. Es verarbeitet sowohl Blattknoten als auch Nicht-Blattknoten und generiert eine gültige Python-Funktion, die den Entscheidungsprozess des Baums kapselt.

Das obige ist der detaillierte Inhalt vonWie extrahiere ich Entscheidungsregeln aus Scikit-Learn-Entscheidungsbäumen in Python?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!