Creación de un árbol de decisión único a partir de un bosque aleatorio

Question

Estoy utilizando scikit learn para construir un clasificador Random Forest. He oído que podría ser posible construir un único árbol de decisión a partir de un Random Forest. La sugerencia es que, aunque el árbol de decisión puede no ser tan buen clasificador como el Random Forest, puede ser mejor que el árbol de decisión que obtendría utilizando el método estándar.

Sin embargo, no he podido encontrar este método en Internet. ¿Existe?

---

Mi pregunta es no sobre la extracción de uno de los árboles de decisión de un Bosque Aleatorio. Se pregunta por un método para construir un nuevo árbol de decisión a partir de todo el Bosque Aleatorio, quizás combinando los árboles del Bosque Aleatorio de alguna manera.

Answer 1

Tal y como dice JohnRos más arriba, se puede buscar una aproximación global de árbol único del bosque aleatorio intentando ajustar un árbol único a la predicción del bosque aleatorio en un número (muy) grande de puntos. Puede funcionar para otro modelo de caja negra. Se llama el enfoque "oráculo" a la aproximación global de árbol único por [1] (porque la caja negra se utiliza como un oráculo para ajustar el árbol único). Si me atrevo, he cargado un par de ejemplos y más explicación en Github aquí : https://github.com/ljmdeb/GSTA

[1] Riccardo Guidotti, Anna Monreale, Salvatore Ruggieri, Franco Turini, Fosca Giannotti y Dino Pedreschi. 2018. Una encuesta de métodos para explicar modelos de caja negra. ACM Comput. Surv. 51, 5, Artículo 93 (agosto de 2018), 42 páginas. (especialmente la tabla de la página 93:26)