Пример, использующий дополнительные пакеты Python, а именно networkx и pydot .По этой причине решение щедро комментируется.Вопрос был помечен scikit-learn, поэтому решение представлено на Python.
Некоторые данные и общий DecisionTreeClassifier:
# load example data and classifier
from sklearn.datasets import load_wine
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
# for determining distance
from sklearn import tree
import networkx as nx
import pydot
# load data and fit a DecisionTreeClassifier
X, y = load_wine(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)
clf = DecisionTreeClassifier(max_depth=3, random_state=42)
clf.fit(X_train, y_train);
Эта функция преобразует соответствие DecisionTreeClassifier вnetworkx ненаправленный MultiGraph с использованием tree.export_graphviz, pydot.graph_from_dot_data, nx.drawing.nx_pydot.from_pdyot и nx.to_undirected.
def dt_to_mg(clf):
"""convert a fit DecisionTreeClassifier to a Networkx undirected MultiGraph"""
# export the classifier to a string DOT format
dot_data = tree.export_graphviz(clf)
# Use pydot to convert the dot data to a graph
dot_graph = pydot.graph_from_dot_data(dot_data)[0]
# Import the graph data into Networkx
MG = nx.drawing.nx_pydot.from_pydot(dot_graph)
# Convert the tree to an undirected Networkx Graph
uMG = MG.to_undirected()
return uMG
uMG = dt_to_mg(clf)
Используйте nx.shortest_path_length, чтобы найти расстояние между любыми двумя узлами в дереве.
# get leaves
leaves = set(str(x) for x in clf.apply(X))
print(leaves)
{'10', '7', '9', '5', '3', '4'}
# find the distance for two leaves
print(nx.shortest_path_length(uMG, source='9', target='5'))
5
# undirected graph means this should also work
print(nx.shortest_path_length(uMG, source='5', target='9'))
5
shortest_path_length возвращает числокрая между source и target.Это не метрика расстояния, которую запрашивает OP.Я думаю количество узлов между ними было бы просто n_edges - 1.
print(nx.shortest_path_length(uMG, source='5', target='9') - 1)
4
Или найти расстояния для всех листьев и сохранить их в словаре или каком-либо другом полезном объекте для нисходящего потока.вычисление.
from itertools import combinations
leaf_distance_edges = {}
leaf_distance_nodes = {}
for leaf1, leaf2 in combinations(leaves, 2):
d = nx.shortest_path_length(uMG, source=leaf1, target=leaf2)
leaf_distance_edges[(leaf1, leaf2)] = d
leaf_distance_nodes[(leaf1, leaf2)] = d - 1
leaf_distance_nodes
{('4', '9'): 5,
('4', '5'): 2,
('4', '10'): 5,
('4', '7'): 4,
('4', '3'): 1,
('9', '5'): 4,
('9', '10'): 1,
('9', '7'): 2,
('9', '3'): 5,
('5', '10'): 4,
('5', '7'): 3,
('5', '3'): 2,
('10', '7'): 2,
('10', '3'): 5,
('7', '3'): 4}