在sklearn中，可以通过以下方式访问树参数：

tree.tree_.children_lefttree.tree_.children_righttree.tree_.thresholdtree.tree_.feature

等等

然而，尝试写入这些变量会引发不可写的异常

有什么方法可以修改学习到的树，或者绕过AttributeError不可写的限制吗？

回答：

这些属性都是不可覆盖的整数数组。你仍然可以修改这些数组的元素。这样做不会减轻数据的负担。

children_left : 整数数组，形状[node_count]    children_left[i] 保存节点 i 的左孩子的节点 ID。    对于叶子节点，children_left[i] == TREE_LEAF。否则，    children_left[i] > i。这个孩子处理 X[:, feature[i]] <= threshold[i] 的情况。children_right : 整数数组，形状[node_count]    children_right[i] 保存节点 i 的右孩子的节点 ID。    对于叶子节点，children_right[i] == TREE_LEAF。否则，    children_right[i] > i。这个孩子处理 X[:, feature[i]] > threshold[i] 的情况。feature : 整数数组，形状[node_count]    feature[i] 保存内部节点 i 要分割的特征。threshold : 双精度数组，形状[node_count]    threshold[i] 保存内部节点 i 的阈值。

为了根据节点中的观察数量来修剪决策树，我使用了这个函数。你需要知道 TREE_LEAF 常量等于 -1。

def prune(decisiontree, min_samples_leaf = 1):    if decisiontree.min_samples_leaf >= min_samples_leaf:        raise Exception('树已经更精简')    else:        decisiontree.min_samples_leaf = min_samples_leaf        tree = decisiontree.tree_        for i in range(tree.node_count):            n_samples = tree.n_node_samples[i]            if n_samples <= min_samples_leaf:                tree.children_left[i]=-1                tree.children_right[i]=-1

这是一个在修剪前后生成graphviz输出的示例：

[from sklearn.tree import DecisionTreeRegressor as DTRfrom sklearn.datasets import load_diabetesfrom sklearn.tree import export_graphviz as exportbunch = load_diabetes()data = bunch.datatarget = bunch.targetdtr = DTR(max_depth = 4)dtr.fit(data,target)export(decision_tree=dtr.tree_, out_file='before.dot')prune(dtr, min_samples_leaf = 100)export(decision_tree=dtr.tree_, out_file='after.dot')][1]