我想从决策树/随机森林中提取有用的规则，以便开发一种更适用的方式来处理规则和预测。因此，我需要一个使规则更易于理解的应用程序。
我有什么建议（例如可视化，验证方法等）？
最佳答案
至于为什么选择了特定的拆分，答案始终是：“因为拆分创建了目标变量的最佳拆分。”
您引用了scikit-learn...。继续阅读scikit-learn的documentation on Decision Trees...。其中有一个示例，正是您在页面中间所要的。看起来像这样：
生成该图的代码也位于：
from sklearn.datasets import load_iris
from sklearn import tree
iris = load_iris()
clf = tree.DecisionTreeClassifier()
clf = clf.fit(iris.data, iris.target)
from sklearn.externals.six import StringIO
with open("iris.dot", 'w') as f:
f = tree.export_graphviz(clf, out_file=f)
还有其他几种图形表示，以及随附的代码：
SKL文档通常很棒并且非常有用。
希望这可以帮助！
关于r - 如何使决策树规则更易于理解？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/31320286/