擷取隨機森林的參數
現在你要把先前在羅吉斯回歸模型上的作法，轉換到隨機森林模型。這個模型的一個參數是：對於每一棵樹，它在各層級如何決定分裂。
這樣的分析不像羅吉斯回歸的係數那麼實用，因為你幾乎不可能去逐一檢視隨機森林中每一次分裂與每一棵樹。不過，做這個練習可以讓你一窺模型內部的運作，仍然很有幫助。
在本練習中，我們會從隨機森林模型中擷取單一一棵樹，將它視覺化，並以程式方式擷取其中一個分裂。
你手上已有：
- 一個隨機森林模型物件
rf_clf - 所選決策樹頂部的影像
tree_viz_image X_trainDataFrame 與original_variables清單
本練習屬於課程
Python 超參數調校
練習說明
- 從隨機森林模型中擷取第 7 棵樹（索引為 6）。
- 視覺化這棵樹（
tree_viz_image），查看其分裂決策。 - 擷取最上層分裂的特徵與門檻（level）。
- 將特徵與門檻一起印出。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Extract the 7th (index 6) tree from the random forest
chosen_tree = rf_clf.estimators_[____]
# Visualize the graph using the provided image
imgplot = plt.imshow(____)
plt.show()
# Extract the parameters and level of the top (index 0) node
split_column = chosen_tree.tree_.feature[____]
split_column_name = X_train.columns[split_column]
split_value = chosen_tree.tree_.threshold[____]
# Print out the feature and level
print("This node split on feature {}, at a value of {}".format(split_column_name, ____))