随机森林回归：在每棵树的末端节点中提取训练样本

如何解决随机森林回归：在每棵树的末端节点中提取训练样本

我想实现Bertsimas et al. (2020)中的 Predictive Prescription 方法，该方法将机器学习方法与优化方法结合在一起。为此，我需要查看森林中每个决策树的终端节点（分支区域）。

具体来说，我想为每棵树了解以下内容：

1. 训练样本在哪个区域？
2. 测试样品属于哪个区域？

我希望通过下面一张决策树的图片可以使我的问题更加清楚：

Regression Tree Example

在这里，对于第一个终端节点，我对预测m不感兴趣，但是对构成预测基础的值y1，y4和y5感兴趣。

---

理想的结果是矩阵状的结构，其中每一列代表一棵树，每一行代表一个训练（测试）样本。对于每个样本和树，结构应给我可以找到样本的区域/终端节点的ID！

我查看了randomForest和ranger包，但没有运气找到任何相关的东西……有些论文提到使用caret包实现该方法，但是他们没有没有提及如何绕过预测。

以下是使用ranger的可重现的回归示例：

library(MASS)
library(e1071)
library(ranger)

#load data
data(Boston)
set.seed(111)
ind <- sample(2,nrow(Boston),replace = TRUE,prob=c(0.8,0.2))

train <- Boston[ind == 1,]
test <- Boston[ind == 2,]

#train random forest
boston.rf <- ranger(medv ~ .,data = train) 

我们非常感谢您的帮助。干杯！