sklearn决策树的BFS遍历

Question

如何对sklearn决策树进行广度优先搜索遍历？

在我的代码中，我尝试了sklearn.tree_库，并使用了诸如tree_.feature和tree_.threshold之类的各种功能来理解树的结构。但是如果我想做bfs，这些功能会遍历树的dfs吗？

假设

clf1 = DecisionTreeClassifier( max_depth = 2 )
clf1 = clf1.fit(x_train, y_train)

这是我的分类器，生成的决策树是

然后我使用以下函数遍历了树

def encoding(clf, features):
l1 = list()
l2 = list()

for i in range(len(clf.tree_.feature)):
    if(clf.tree_.feature[i]>=0):
        l1.append( features[clf.tree_.feature[i]])
        l2.append(clf.tree_.threshold[i])
    else:
        l1.append(None)
        print(np.max(clf.tree_.value))
        l2.append(np.argmax(clf.tree_.value[i]))

l = [l1 , l2]

return np.array(l)

产生的输出是

array（[[['address'，'age'，None，None，'age'，None，None]， [0.5、17.5、2、1、15.5、1、1]]，dtype = object） 其中第一个数组是节点的特征，或者如果它离开节点，则它被标记为无，第二个数组是特征节点的阈值，对于类节点，它是类，但是这是树的dfs遍历，我想做bfs遍历，我应该怎么做？ 上面的部分已经回答。

我想知道我们是否可以将树以完整的二叉树的形式存储到数组中，从而使第i个节点的子代存储在2i +1和2i +2索引处？

对于上面的树，生成的输出是 array（[['address'，'age'，None，None]，[0.5，15.5，1，1]]，dtype = object）

但所需的输出是

array（[[['address'，None，'age'，None，None，None，None]，[0.5，-1，15.5，-1，-1，1，1]]，dtype = object）

如果在第一个数组中没有值，而在第二个数组中为-1，则表示该节点不存在。因此，这里是地址的正确子代的年龄为2 * 0 + 2 = 2 数组中的索引，分别在数组的2 * 2 +1 =第5个索引和2 * 2 + 2 =第6个索引中分别找到左和右年龄的孩子。

Answer 1

像这样吗？

def reformat_tree(clf):
    tree = clf.tree_

    feature_out = np.full((2 ** tree.max_depth), -1, dtype=tree.feature.dtype)
    threshold_out = np.zeros((2 ** tree.max_depth), dtype=tree.threshold.dtype)

    stack = []
    stack.append((0, 0))

    while stack:
        current_node, new_node = stack.pop()

        feature_out[new_node] = tree.feature[current_node]
        threshold_out[new_node] = tree.threshold[current_node]

        left_child = tree.children_left[current_node]
        if left_child >= 0:
            stack.append((left_child, 2 * current_node + 1))

        right_child = tree.children_right[current_node]
        if right_child >= 0:
            stack.append((right_child, 2 * current_node + 2))

    return feature_out, threshold_out

我无法在您的树上对其进行测试，因为您仍然没有办法重现它，但是它应该可以工作。

该函数以所需格式返回特征和阈值。特征值为-1是该节点不存在，如果该节点是叶则为-2。

这可以通过遍历树并跟踪当前位置来实现。