我需要将一个随机森林模型转换为基于规则的模型或基于（if-then）的模型。我已经创建了我的模型，并且调优得很好。我面临的问题是，我无法“访问”到（base_estimator）或底层的（tree_对象），这使得我无法创建一个函数来从森林中的树中提取规则。如果您能帮助我解决这个问题，我将不胜感激。我创建模型时使用的是：
estimator = RandomForestRegressor(oob_score=True, n_estimators=10,max_features='auto')我尝试使用estimator.estimators_属性来访问单个树，然后使用例如estimator.estimators_[0].tree_来获取用于构建森林的决策树（DecisionTreeRegressor对象）。不幸的是，这种方法不起作用。
如果可能的话，我想要的是这样的：
estimator = RandomForestRegressor(oob_score=True, n_estimators=10,max_features='auto') estimator.fit(tarning_data,traning_target) tree1 = estimator.estimators_[0] leftChild = tree1.tree_.children_left rightChild = tree1.tree_.children_right回答：
要访问随机森林模型中DecisionTreeRegressor对象的底层结构，您需要按照以下步骤进行：
estimator = RandomForestRegressor(oob_score=True,n_estimators=10,max_features='auto')estimator.fit(tarning_data,traning_target)tree1 = estimator.estimators_[0]leftChilds = tree1.tree_.children_left # 左子节点数组rightChilds = tree1.tree_.children_right # 右子节点数组即基本上就是问题中已经描述的内容。
