我通过 RandomForestClassifier 构建了一个随机森林并绘制了决策树。参数“值”（红色箭头所指）是什么意思？为什么[]中两个数字的总和不等于“样本”的数量？我看到了一些其他的例子，[]中的两个数字之和等于“样本”的数量。为什么我的情况没有？
df = pd.read_csv("Dataset.csv")
df.drop(['Flow ID', 'Inbound'], axis=1, inplace=True)
df.replace([np.inf, -np.inf], np.nan, inplace=True)
df.dropna(inplace = True)
df.Label[df.Label == 'BENIGN'] = 0
df.Label[df.Label == 'DrDoS_LDAP'] = 1
Y = df["Label"].values
Y = Y.astype('int')
X = df.drop(labels = ["Label"], axis=1)
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.5)
model = RandomForestClassifier(n_estimators = 20)
model.fit(X_train, Y_train)
Accuracy = model.score(X_test, Y_test)
for i in range(len(model.estimators_)):
fig = plt.figure(figsize=(15,15))
tree.plot_tree(model.estimators_[i], feature_names = df.columns, class_names = ['Benign', 'DDoS'])
plt.savefig('.\\TheForest\\T'+str(i))
不错的收获。
尽管没有记录，但这是由于引导抽样默认情况下发生在随机森林模型中（请参阅我的答案为什么单棵树的随机森林比决策树分类器好得多？有关 RF 算法详细信息及其与单纯“一堆”决策树的区别的更多信息）。
让我们看一个例子iris data:
from sklearn.datasets import load_iris
from sklearn import tree
from sklearn.ensemble import RandomForestClassifier
iris = load_iris()
rf = RandomForestClassifier(max_depth = 3)
rf.fit(iris.data, iris.target)
tree.plot_tree(rf.estimators_[0]) # take the first tree
这里的结果与您报告的类似：对于除右下节点之外的所有其他节点，sum(value)不相等samples，因为它应该是这样的“简单”决策树.
谨慎的观察者可能会注意到这里看起来很奇怪的其他事情：虽然 iris 数据集有 150 个样本：
print(iris.DESCR)
.. _iris_dataset:
Iris plants dataset
--------------------
**Data Set Characteristics:**
:Number of Instances: 150 (50 in each of three classes)
:Number of Attributes: 4 numeric, predictive attributes and the class
树的基节点应包括所有这些节点，即samples第一个节点只有 89。
为什么会这样？到底发生了什么？为了看看，让我们安装第二个 RF 模型，这次无引导采样（即与bootstrap=False):
rf2 = RandomForestClassifier(max_depth = 3, bootstrap=False) # no bootstrap sampling
rf2.fit(iris.data, iris.target)
tree.plot_tree(rf2.estimators_[0]) # take again the first tree
好吧，既然我们已经禁用了引导采样，一切看起来都“很好”：value每个节点都等于samples，并且基节点确实包含整个数据集（150 个样本）。
因此，您描述的行为似乎确实是由于引导采样造成的，在创建样本时有更换（即最终以复制集合中每个单独决策树的样本），这些重复样本不会反映在sample树节点的值，显示树节点的数量unique样品；尽管如此，它is反映在节点上value.
这种情况与 RF 回归模型以及 Bagging 分类器完全类似 - 分别参见：