如何从决策树中抽取可解释规则？

简化版

从决策树抽取规则，就是把根到叶的每个判断按 AND 连接，并把叶预测作为结论。可进一步合并同一特征区间、去掉低覆盖或低精度规则，并在独立数据上验证覆盖率、准确率与冲突；规则导出后不等于永远正确。

详细版

深度优先遍历树，左分支记录 x≤t，右分支记录 x>t。
同一路径多次判断同一特征时，应合并为上下界区间。
每条规则至少附叶样本数、覆盖率、类别分布或误差。
规则用于人工执行时要处理缺失值、类别编码和边界等号。
剪枝或筛选可提高可读性，但会牺牲原树的完整覆盖。

完整版教学

一、路径天然就是合取规则

树的预测是从根依次通过判断，直到某个叶。

因而一条路径上的所有条件必须同时成立，叶与叶之间则构成 OR 关系。

抽取并不困难，困难在于把模型内部阈值变成稳定、可执行、可审计的业务规则，并量化规则在新数据上的表现。

二、数学机制怎么落到节点上

path rule = condition_1 AND condition_2 … AND condition_d；coverage(rule) = matched_samples / all_samples。

path rule = condition_1 AND condition_2 ... AND condition_d
coverage(rule) = matched_samples / all_samples
precision(rule) = correct_matched / matched_samples

三、带数字的推演

路径为 age≤35 -> income>80k -> debt≤20k，叶内 45 人中 36 人为正。

规则覆盖测试集 5%，叶内精度为 36/45=80%；不能只展示“预测为正”而隐藏样本仅 45。

四、方法对比

方法/对象	核心特点	代价或限制
完整路径规则	忠实复现单树	数量多、可能很长
剪枝后规则	可读性较好	可能改变预测
高价值规则集	只保留高覆盖/高精度	不能覆盖所有输入

五、从训练到验证的执行链

DFS 遍历 -> 累积路径条件 -> 到叶输出规则与统计
-> 合并重复区间 -> 映射原始特征 -> 独立集验证 -> 版本化发布

六、边界条件与工程代价

若训练前做了 one-hot、标准化或目标编码，导出的阈值属于变换后空间。

必须通过同一预处理反解或把预处理纳入规则引擎，否则业务人员无法正确执行。

浮点边界要保持 ≤ 与 > 的精确语义。

四舍五入展示阈值可能让临界样本同时命中两条或一条都不命中。

记忆钩子：沿根到叶把条件用 AND 串起来，叶间用 OR 联合；然后补上覆盖、精度、样本数三个证据。

七、常见误区与追问

误区：每个叶节点就是一条单条件规则。 规则包含从根到叶的全部条件，逻辑为 AND。
追问：不同叶规则如何组合？ 覆盖同一预测类别的路径之间通常是 OR。
误区：训练叶纯度就是线上规则精度。 必须在独立、代表上线分布的数据上重新统计。
追问：如何简化重复条件？ 把同一特征的多个上下界求交，合并为一个区间。
追问：为何要保存版本？ 模型、预处理和数据漂移都会改变规则及其统计。

八、加强记忆

沿根到叶把条件用 AND 串起来，叶间用 OR 联合；然后补上覆盖、精度、样本数三个证据。

真正落地还要反解预处理、保留边界语义并版本化。

简化版

详细版