绘制RandomForestClassifier决策树报无tree_属性错误问题求助

安全阿岳

2026-9-23

报错根因

RandomForestClassifier属于集成学习模型，内部由多棵独立训练的决策树组成，本身没有tree_属性，只有其estimators_列表中存储的单个决策树实例，才支持决策树可视化相关的方法。

代码问题梳理

第一次尝试：直接将随机森林整体对象传入tree.export_graphviz，该方法仅接收单决策树对象，因此触发属性不存在报错
第二次尝试：tree.plot_tree第一个入参需要是单决策树对象，你错误将随机森林对象放在第一位，且代码中出现了未定义的model变量，实际应该替换为你训练好的clf_SMOTE2对象。

正确可运行代码示例

1. 可视化随机森林中指定的某一棵决策树

from sklearn.ensemble import RandomForestClassifier
from sklearn import tree
import graphviz

# 训练随机森林，新增random_state保证结果可复现
clf_SMOTE2 = RandomForestClassifier(criterion='entropy', bootstrap = True, max_depth=4, min_samples_leaf=7, random_state=42)
clf_SMOTE2 = clf_SMOTE2.fit(X_train, Y_train)

a = df.columns[6:]
# 选择第k棵决策树，索引从0开始，示例中选第6棵对应索引为5
target_tree = clf_SMOTE2.estimators_[5]

dot_data_2 = tree.export_graphviz(target_tree, out_file=None, feature_names = a, precision = 2, filled = False)
graphviz.Source(dot_data_2)

2. 批量可视化前N棵决策树

如果需要查看多棵树的结构，可以循环遍历estimators_列表导出：

# 示例导出前3棵树的可视化结果，可直接渲染也可保存为本地文件
for i in range(3):
    current_tree = clf_SMOTE2.estimators_[i]
    dot_data = tree.export_graphviz(current_tree, out_file=None, feature_names=a, filled=False)
    graph = graphviz.Source(dot_data)
    graph.render(f"随机森林第{i+1}棵决策树")