我一直在探索scikit-learn，使用熵和基尼系数作为分割标准来创建决策树，并研究它们的差异。

我的问题是，如何“打开引擎盖”，找出树在每个层级上具体分割的属性，以及它们相关的信息值，这样我就可以看到两种标准在选择上的不同之处？

到目前为止，我已经探索了文档中概述的9种方法。它们似乎无法访问这些信息。但这些信息肯定是可以访问的吧？我设想有一个列表或字典，包含节点和增益的条目。

回答：

直接来自文档（ http://scikit-learn.org/0.12/modules/tree.html ）：

from io import StringIOout = StringIO()out = tree.export_graphviz(clf, out_file=out)

StringIO 模块在Python3中已不再支持，取而代之的是导入 io 模块。

决策树对象中还有一个 tree_ 属性，允许直接访问整个结构。

你可以简单地读取它

clf.tree_.children_left #左子节点数组clf.tree_.children_right #右子节点数组clf.tree_.feature #节点分割特征数组clf.tree_.threshold #节点分割点数组clf.tree_.value #节点值数组

更多细节请查看 导出方法的源代码

一般来说，你可以使用 inspect 模块

from inspect import getmembersprint( getmembers( clf.tree_ ) )

来获取对象的所有元素