intial commit (forked from private repo)

extracted_cells/cell24.py

@@ -0,0 +1,69 @@
+from sklearn.tree import _tree
+
+def extract_single_rule(tree, feature_names, class_to_extract=1):
+    """
+    Extrahiert eine einzelne Regel aus einem Decision Tree für eine bestimmte Klasse.
+    
+    Parameters:
+    -----------
+    tree : DecisionTreeClassifier
+        Der trainierte Entscheidungsbaum
+    feature_names : list
+        Liste der Feature-Namen
+    class_to_extract : int, default=1
+        Die Klasse, für die eine Regel extrahiert werden soll (0=≤50K, 1=>50K)
+    
+    Returns:
+    --------
+    rule : str
+        Eine lesbare Regel als String
+    """
+    tree_ = tree.tree_
+    
+    # Funktion zum rekursiven Extrahieren einer Regel
+    def tree_to_rule(node, depth, conditions):
+        # Wenn wir einen Blattknoten erreicht haben
+        if tree_.children_left[node] == _tree.TREE_LEAF:
+            # Prüfe, ob dieser Blattknoten die gewünschte Klasse vorhersagt
+            if np.argmax(tree_.value[node][0]) == class_to_extract:
+                # Formatiere die Bedingungen als Regel
+                if conditions:
+                    rule = " UND ".join(conditions)
+                    return rule
+                else:
+                    return "Keine Bedingungen (Wurzelklasse)"
+            return None
+            
+        # Feature und Schwellenwert am aktuellen Knoten
+        feature = feature_names[tree_.feature[node]]
+        threshold = tree_.threshold[node]
+        
+        # Linkspfad (≤)
+        left_conditions = conditions + [f"{feature} ≤ {threshold:.2f}"]
+        left_rule = tree_to_rule(tree_.children_left[node], depth + 1, left_conditions)
+        if left_rule is not None:
+            return left_rule
+            
+        # Rechtspfad (>)
+        right_conditions = conditions + [f"{feature} > {threshold:.2f}"]
+        right_rule = tree_to_rule(tree_.children_right[node], depth + 1, right_conditions)
+        if right_rule is not None:
+            return right_rule
+            
+        # Keine passende Regel gefunden
+        return None
+    
+    # Starte die Suche vom Wurzelknoten
+    rule = tree_to_rule(0, 1, [])
+    
+    # Formatiere die Ausgabe
+    class_name = "Einkommen > 50K" if class_to_extract == 1 else "Einkommen ≤ 50K"
+    if rule:
+        return f"WENN {rule} DANN {class_name}"
+    else:
+        return f"Keine Regel für {class_name} gefunden."
+
+# Anwendung für die Extraktion einer Regel für hohes Einkommen (Klasse 1)
+single_rule = extract_single_rule(surrogate_tree, X_train.columns.tolist(), class_to_extract=1)
+print("Einzelne Regel aus dem Surrogate-Modell:")
+print(single_rule)