如何从DecisionTreeRegressor中提取深度为1的左子树样本？

scikit-learn的DecisionTreeRegressor确实没有直接提取指定子树样本的方法，但可以通过decision_path()方法实现这个需求，核心思路是通过样本的决策路径筛选出到达目标节点的样本。

具体步骤 #

1. 确定目标节点的编号：决策树的节点按广度优先规则编号，根节点为0，根节点的第一个左子节点（深度1）编号为1，右子节点为2，以此类推。如果不确定节点编号，可以用可视化工具查看节点ID。
2. 获取决策路径矩阵：decision_path()会返回一个稀疏矩阵，每行代表一个样本，每列代表一个节点，矩阵中的非零值表示该样本在预测时经过了对应节点。
3. 筛选目标样本：从矩阵中筛选出经过目标节点的样本索引，再用索引提取对应的样本数据。

代码示例 #

from sklearn.tree import DecisionTreeRegressor
from sklearn.datasets import load_boston
import numpy as np
from sklearn.tree import plot_tree
import matplotlib.pyplot as plt

# 1. 训练决策回归树
X, y = load_boston(return_X_y=True)
reg = DecisionTreeRegressor(max_depth=3, random_state=42)
reg.fit(X, y)

# 可选：可视化树结构，确认目标节点编号（node_ids=True显示节点ID）
plt.figure(figsize=(12, 8))
plot_tree(reg, filled=True, node_ids=True, feature_names=load_boston().feature_names)
plt.show()

# 2. 获取所有样本的决策路径
decision_paths = reg.decision_path(X)

# 3. 指定目标节点：深度1的第一个左子节点，编号为1
target_node_id = 1

# 筛选出经过目标节点的样本索引
sample_mask = decision_paths[:, target_node_id].toarray().flatten() > 0
target_sample_indices = np.where(sample_mask)[0]

# 4. 提取对应的样本和标签
target_samples = X[target_sample_indices]
target_labels = y[target_sample_indices]

print(f"目标子树对应的样本数量：{len(target_samples)}")

补充说明 #

• 如果树结构更复杂，可通过reg.tree_.children_left和reg.tree_.children_right属性遍历节点关系，动态定位目标节点。比如reg.tree_.children_left[0]就是根节点的左子节点编号，和我们指定的1一致。
• 稀疏矩阵操作时，用toarray()转为密集矩阵后筛选更直观，若样本量极大，推荐用稀疏矩阵的原生方法（如getnnz()）提升效率。

内容的提问来源于stack exchange，提问作者SSSOF