如何可视化sklearn随机森林回归器的单棵决策树并查询其节点数

错误原因 #

你遇到的AttributeError是因为plot_tree不属于DecisionTreeRegressor类的实例方法，而是sklearn.tree模块提供的独立工具函数，无法直接通过决策树对象调用。

解决方案 #

可视化单棵决策树 #

按以下步骤编写代码即可：

1. 先导入依赖模块：

from sklearn.tree import plot_tree
import matplotlib.pyplot as plt

2. 调用函数渲染指定的决策树，可通过参数调整可视化效果：

# 渲染第一棵决策树，可根据需要调整索引取其他树
plot_tree(
    rf.estimators_[0],
    feature_names=['你的特征名1', '你的特征名2'], # 可选参数，标注特征名称更易读
    filled=True, # 可选参数，给节点填充颜色区分分支
    rounded=True, # 可选参数，节点边框设为圆角
    precision=2 # 可选参数，数值显示精度
)
plt.show()

注意：plot_tree是scikit-learn 0.21版本新增的功能，如果你使用的版本低于该要求，可先执行pip install -U scikit-learn升级版本后再运行。

获取决策树总节点数量 #

每个决策树实例的tree_属性内置了节点统计字段，直接读取即可：

# 获取第一棵决策树的总节点数
node_num = rf.estimators_[0].tree_.node_count
print(node_num)

内容的提问来源于stack exchange，提问作者Abijah