我正在使用 scikit-learn 创建一个随机森林。但是，我想找到每棵树的各个深度。这似乎是一个简单的属性，但根据文档，(http://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.html) 无法访问它。
如果这不可能，有没有办法从决策树模型中访问树深度？
任何帮助将不胜感激。谢谢。
【问题讨论】：
标签： python scikit-learn random-forest decision-tree depth
RandomForestClassifier 的每个实例都有一个estimators_ 属性，它是DecisionTreeClassifier 实例的列表。文档显示DecisionTreeClassifier 的实例具有tree_ 属性，这是（我相信未记录）Tree 类的实例。对解释器的一些探索表明，每个 Tree 实例都有一个 max_depth 参数，似乎正是您要查找的参数 - 再说一遍，它没有记录。
无论如何，如果forest 是您的RandomForestClassifier 实例，那么：
>>> [estimator.tree_.max_depth for estimator in forest.estimators_]
[9, 10, 9, 11, 9, 9, 11, 7, 13, 10]
应该可以解决问题。
每个估算器还有一个get_depth() 方法，可用于以更简洁的语法检索相同的值：
>>> [estimator.get_depth() for estimator in forest.estimators_]
[9, 10, 9, 11, 9, 9, 11, 7, 13, 10]
为避免混淆，应该注意每个估计器（而不是每个估计器的tree_）都有一个名为max depth 的属性，它返回参数的设置而不是实际树的深度。 estimator.get_depth()、estimator.tree_.max_depth 和 estimator.max_depth 之间的关系在以下示例中进行了说明：
from sklearn.datasets import load_iris
from sklearn.ensemble import RandomForestClassifier
clf = RandomForestClassifier(n_estimators=3, random_state=4, max_depth=6)
iris = load_iris()
clf.fit(iris['data'], iris['target'])
[(est.get_depth(), est.tree_.max_depth, est.max_depth) for est in clf.estimators_]
输出：
[(6, 6, 6), (3, 3, 6), (4, 4, 6)]
将最大深度设置为默认值None 将允许第一棵树扩展到深度 7，输出将是：
[(7, 7, None), (3, 3, None), (4, 4, None)]
【讨论】：
del forest.estimators_[0]。或者只保留深度为 10 或以上的树：forest.estimators_ = [e for e in forest.estimators_ if e.tree.max_depth >= 10]。但它看起来不像 RandomForestClassifier 被构建为以这种方式工作，并且通过修改 forest.estimators_ 你可能会破坏事情。不过，您可以尝试一下，看看结果是否合理。如果您这样做了，您可能需要更新 forest.n_estimators = len(forest.estimators_) 以获得更好的效果。
max_depth=10 训练的随机森林将返回：[10, 10, 10, ...]