R语言如何获取随机森林中每棵树的分类概率

randomForest包原生predict方法本身未提供返回单棵树分类概率的内置逻辑，你尝试的参数组合失效属于包本身的设计限制：在predict.all=TRUE的代码分支中，开发者硬编码了返回单树的类别响应结果，未对type="prob"参数做适配，因此无论是否指定概率输出类型，$individual字段只会返回分类标签，不会返回概率值。

方案1：不依赖第三方包，基于现有randomForest模型解析计算 #

不需要重新训练模型，通过提取树结构+终端节点匹配的方式即可得到所有单树的分类概率，代码如下：

# 1. 获取每个样本在每棵树上落到的终端节点ID
node_mapping <- attr(predict(rf_cl, newdata, nodes = TRUE), "nodes")
class_levels <- levels(rf_cl$y)
n_class <- length(class_levels)
n_sample <- nrow(newdata)
n_tree <- rf_cl$ntree

# 2. 初始化结果存储数组：维度为 [样本数, 类别数, 树序号]
single_tree_prob <- array(
  data = NA_real_,
  dim = c(n_sample, n_class, n_tree),
  dimnames = list(rownames(newdata), class_levels, 1:n_tree)
)

# 3. 逐棵树计算终端节点概率，匹配到对应样本
for (i in 1:n_tree) {
  # 提取第i棵树的完整结构
  tree_info <- getTree(rf_cl, k = i, labelVar = TRUE)
  # 筛选终端节点，计算每个终端节点的类别概率（节点内类别投票数/节点总样本数）
  terminal_mask <- tree_info$status == -1
  terminal_nodes <- tree_info[terminal_mask, ]
  vote_cols <- paste0("votes.", class_levels)
  terminal_prob <- terminal_nodes[, vote_cols] / rowSums(terminal_nodes[, vote_cols])
  # 终端节点ID存储在左女儿字段，作为匹配键
  rownames(terminal_prob) <- terminal_nodes$`left daughter`
  # 按样本对应的节点ID匹配概率值
  sample_node_id <- node_mapping[, i]
  match_loc <- match(sample_node_id, rownames(terminal_prob))
  single_tree_prob[,,i] <- as.matrix(terminal_prob[match_loc, ])
}

调用方式：如果需要获取第k棵树的分类概率，直接取single_tree_prob[,,k]即可，返回结果行对应样本，列对应类别，值为该样本在对应类别上的单树预测概率，和单棵树独立调用predict(type="prob")的结果完全一致。

方案2：换用ranger包训练模型（更简便） #

如果不需要拘泥于randomForest包，可以换用效率更高的ranger包实现随机森林，该包原生支持返回单棵树的分类概率，不需要手动解析树结构：

library(ranger)
# 训练时需要指定probability=TRUE开启概率输出，keep.inbag=TRUE保留树结构用于单树预测
rf_model <- ranger(
  formula = 你的因变量 ~ .,
  data = 你的训练集,
  probability = TRUE,
  keep.inbag = TRUE
)
# 预测时开启predict.all即可拿到所有单树结果
pred_res <- predict(rf_model, data = newdata, predict.all = TRUE)
# pred_res$predictions为三维数组：维度[样本数, 类别数, 树数量]，直接就是需要的单树概率
single_tree_prob_ranger <- pred_res$predictions

内容的提问来源于stack exchange，提问作者Whitney