如何从树模型（尤其H2O框架）获取样本分裂概率值？

• LightGBM：支持导出包含分支节点统计信息的模型，结合lightgbm2pmml工具可生成符合需求的PMML文件，其模型结构会存储每个分裂节点的样本分布、分裂阈值等关键信息，能满足树解释器方法的要求。
• XGBoost：通过自身模型导出功能，配合sklearn2pmml扩展（需配置正确），可将包含分支节点信息的模型转换为PMML。XGBoost模型内部记录了每个节点的分裂特征、阈值以及样本统计数据。
• H2O-3 高级配置：H2O可通过调整导出参数让PMML包含分支节点概率信息，训练模型时需开启export_contributions相关配置，或使用predict_contributions()方法获取路径信息后，结合第三方工具补全PMML的分支节点内容。

1. 提取模型分裂节点信息
   • 对LightGBM、XGBoost等支持的库，可通过内置方法提取每个节点的分裂特征、阈值、子节点ID，以及节点样本数量、正负样本占比（分类任务）等数据。例如XGBoost可使用get_booster().trees_to_dataframe()获取所有节点的详细信息。
2. 计算分支节点概率/预测值
   • 分类任务：分支节点的概率由节点内各类样本占比计算，假设节点有N个样本，正类样本数为P，则正类概率为P/N，负类概率为(N-P)/N。
   • 回归任务：分支节点的预测值为节点内所有样本的预测值均值。
3. 构建符合要求的PMML
   • 使用pmml库（Python或R版本）手动构建PMML结构，将提取计算好的分支节点信息填充到TreeModel节点中，每个非终端节点需添加Node元素，指定split（分裂特征）、splitValue（分裂阈值）、recordCount（样本数）、prediction（概率或均值）等属性。
   • 借助开源工具JPMML，通过Java代码读取模型节点信息，生成包含完整分支节点数据的PMML文件，JPMML提供了丰富API用于操作PMML结构。

内容的提问来源于stack exchange，提问作者kevin5jan