python建模 决策_如何从python3的xgboost模型中提取决策规则（特征分割）？

这是可能的，但并不容易。我建议您使用来自scikit-learn的GradientBoostingClassifier，它与xgboost相似，但可以本地访问已构建的树。在

{然而，{可以用cd3}来解析它：from sklearn.datasets import load_iris

from xgboost import XGBClassifier

# build a very simple model

X, y = load_iris(return_X_y=True)

model = XGBClassifier(max_depth=2, n_estimators=2)

model.fit(X, y);

# dump it to a text file

model.get_booster().dump_model('xgb_model.txt', with_stats=True)

# read the contents of the file

with open('xgb_model.txt', 'r') as f:

txt_model = f.read()

print(txt_model)

它将打印6棵树的文本描述(2个估计器，每个树由3棵树组成，每个类一棵)，其开头如下：

^{pr2}$

例如，现在可以从该描述中提取所有拆分：import re

# trying to extract all patterns like "[f2<2.45]"

splits = re.findall('\[f([0-9]+)

splits

它将打印元组列表(feature_id，split_value)，如[('2', '2.45'),

('2', '2.45'),

('3', '1.75'),

('3', '1.65'),

('2', '4.95'),

('2', '2.45'),

('2', '2.45'),

('3', '1.75'),

('3', '1.65'),

('2', '4.95')]

您可以根据需要进一步处理此列表。在