from sklearn.tree import DecisionTreeClassifier, export_text

# Random Forest-Vorhersagen verwenden als Ziel
rf_predictions = rf_model.predict(X_train)

# Einfachen Entscheidungsbaum auf die Vorhersagen des Random Forests trainieren
surrogate_tree = DecisionTreeClassifier(max_depth=5)
surrogate_tree.fit(X_train, rf_predictions)

# Evaluieren, wie gut der Baum den Random Forest approximiert
surrogate_predictions = surrogate_tree.predict(X_test)
rf_test_predictions = rf_model.predict(X_test)
surrogate_accuracy = np.mean(surrogate_predictions == rf_test_predictions)
print(f"Genauigkeit des Surrogate-Modells: {surrogate_accuracy:.4f}")