Usando sklearn, ¿cómo encuentro la profundidad de un árbol de decisión?

Estoy entrenando un árbol de decisión con sklearn. Cuando uso:

dt_clf = tree.DecisionTreeClassifier() 

el parámetro max_depth defecto es None . De acuerdo con la documentación, si max_depth es None , entonces los nodos se expanden hasta que todas las hojas estén puras o hasta que todas las hojas contengan menos muestras de min_samples_split .

• ¿Cuál es la forma más sencilla de obtener tfidf con el dataframe de pandas?
• La métrica de distancia por pares más rápida en python
• Cómo enumerar todos los clasificadores de scikit-learn que admiten predict_proba ()
• Cálculo de puntajes tfidf separados para dos columnas diferentes usando sklearn
• scikit learn output metrics.classification_report en formato CSV / tab-delimited

Después de ajustar mi modelo, ¿cómo puedo saber qué es max_depth realmente? La función get_params() no ayuda. Después de ajustar, get_params() todavía dice None .

¿Cómo puedo obtener el número real para max_depth ?

Docs: https://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html

• validación cruzada de scikit-learn, valores negativos con error cuadrático medio
• ¿Cómo calculo una matriz de co-ocurrencia palabra-palabra con sklearn?
• Pase el estimador a la función de puntuación personalizada a través de sklearn.metrics.make_scorer
• En sklearn.decomposition.PCA, ¿por qué los componentes son negativos?
• ¿Cómo uso un TimeSeriesSplit con un objeto GridSearchCV para ajustar un modelo en scikit-learn?

 from sklearn import tree X = [[0, 0], [1, 1]] Y = [0, 1] clf = tree.DecisionTreeClassifier() clf = clf.fit(X, Y) print(clf.tree_.max_depth) >>> 1 

 help(clf.tree_)