从 sklearn RandomForestClassifier 制作 graphviz（而不是来自单个 clf.estimators_）

Question

Python。学习。RandomForestClassifier. 拟合后RandomForestClassifier，它是否会产生某种可用于创建图形可视化的单一“最佳”“平均”共识树？

是的，我查看了文档。不，它什么也没说。NoRandomForestClassifier没有tree_属性。但是，您可以从中获取森林中的个别树木，clf.estimators_因此我知道我可以从其中之一制作图形。这里有一个例子。我什至可以给所有的树打分，然后在森林中找到得分最高的树，然后选择那一棵树……但这不是我要问的。

我想根据“平均”最终随机森林分类器结果制作图形。这可能吗？或者，最终分类器是否使用底层树来生成分数和预测？

Answer 1

ARandomForest是一种使用平均进行预测的集成方法，即使用所有拟合的子分类器，通常（但不总是）在多数投票集成中，以达到最终预测。这通常适用于所有集成方法。正如Vivek Kumar评论中指出的那样，预测不一定总是纯粹的多数票，但也可以是加权多数票，或者实际上是组合单个预测的其他奇异形式（对集成方法的研究仍在进行中，尽管在某种程度上被深度学习排除在外）。

没有可以绘制的平均树，只有从整个数据集的随机子样本训练的决策树桩和每个产生的预测。平均的是预测本身，而不是树木/树桩。

只是为了完整性，来自维基百科文章：（强调我的）

随机森林或随机决策森林1 [2] 是一种用于分类、回归和其他任务的集成学习方法，它通过在训练时构建大量决策树并输出作为类别模式的类别（分类）或单个树的平均预测（回归）。

mode是最常见的值，即多数预测。