scikit-learn Entscheidungsbaum Knotentiefe

Question

Mein Ziel ist es zu identifizieren, in welcher Tiefe zwei Samples innerhalb eines Entscheidungsbaums getrennt sind. In der Entwicklungsversion von Scikit-Learn können Sie die decision_path() Methode zur Identifizierung gemeinsame Knoten dauern:

from sklearn import tree 
import numpy as np 

clf = tree.DecisionTreeClassifier() 
clf.fit(data, outcomes) 
n_nodes = clf.tree_.node_count 
node_indicator = clf.decision_path(data).toarray() 
sample_ids = [0,1] 
common_nodes = (node_indicator[sample_ids].sum(axis=0) == len(sample_ids)) 
common_node_id = np.arange(n_nodes)[common_nodes] 
max_node = np.max(common_node_id) 

Gibt es eine Möglichkeit an, um zu bestimmen, welche Tiefe die max_node tritt innerhalb des Baumes, möglicherweise mit clf.tree_.children_right und clf.tree_.chrildren_left?

Answer 1

Hier ist eine Funktion, die Sie rekursiv die Knoten zu durchlaufen und berechnen Sie die Knoten Tiefen

def get_node_depths(tree): 
    """ 
    Get the node depths of the decision tree 

    >>> d = DecisionTreeClassifier() 
    >>> d.fit([[1,2,3],[4,5,6],[7,8,9]], [1,2,3]) 
    >>> get_node_depths(d.tree_) 
    array([0, 1, 1, 2, 2]) 
    """ 
    def get_node_depths_(current_node, current_depth, l, r, depths): 
     depths += [current_depth] 
     if l[current_node] != -1 and r[current_node] != -1: 
      get_node_depths_(l[current_node], current_depth + 1, l, r, depths) 
      get_node_depths_(r[current_node], current_depth + 1, l, r, depths) 

    depths = [] 
    get_node_depths_(0, 0, tree.children_left, tree.children_right, depths) 
    return np.array(depths) 

verwenden könnte