我试图从scikit-learn ensemble打印出森林的决策树：例如对于DecisionTreeClassifier,我会使用：

from sklearn import tree  
clf = tree.DecisionTreeClassifier( criterion ='entropy', max_depth = 3,    
min_samples_leaf = 
clf = clf.fit( X_train, y_train) #Input this to analyze the training set.

import pydot, StringIO
dot_data = StringIO.StringIO() 
tree.export_graphviz( clf, out_file = dot_data,    
feature_names =[' age', 'sex', 'first_class', 'second_class', 'third_class'])
graph = pydot.graph_from_dot_data( dot_data.getvalue())
graph.write_png('visualtree.png') 
from IPython.core.display import Image
Image( filename =visualtree.png')

我为Random Forest Regressor尝试了类似的方法(见下文并得到错误)

# Fit regression model
from sklearn.ensemble import RandomForestRegressor
rfr_1 = RandomForestRegressor(n_estimators=10, max_depth=5)
rfr_1.fit(X, y)

from sklearn.ensemble import*
import pydot, StringIO
dot_data = StringIO.StringIO() 
ensemble.export_graphviz( rf1, out_file = dot_data,    
feature_names =[' Temperature', 'Translator Bacteria'])
graph = pydot.graph_from_dot_data( dot_data.getvalue())
graph.write_png('fish.png') 
from IPython.core.display import Image

图片(filename =’fish.png’)

文件“randomforestregressor.py”,第45行,in
ensemble.export_graphviz(rf1,out_file = dot_data,
NameError：未定义名称’ensemble’

我怎么做到这一点？谢谢！

解决方法:

错误消息非常明确：

在ensemble.export_graphviz文件“randomforestregressor.py”第45行(rf1,out_file = dot_data,
NameError：未定义名称’ensemble’

您可以在脚本行45中访问名为ensemble的变量,但是您永远不会定义这样的变量.在您的情况下,您可能希望该变量指向sklearn.ensemble包：

来自sklearn import ensemble

但是,如果这样做,您可能会得到一个AttributeError,因为sklearn.ensemble包没有export_graphviz函数.

相反,您可能想要做的是通过遍历rfr_1.estimators_列表的元素并在每个树上调用sklearn.tree包的export_graphviz方法,在林中为每个树生成一个图像.

然而,在实践中,显示森林的树木通常是无用的.从业者通常会建造具有数百或数千棵树的随机森林,以获得良好的预测准确性.在这种情况下,目视检查许多树是不切实际的.