clf定义后输入即可；在您的情况下，它给出：

clf
# result:

DecisionTreeClassifier(ccp_alpha=0.0, class_weight=None, criterion='gini',
                       max_depth=None, max_features=None, max_leaf_nodes=None,
                       min_impurity_decrease=0.0, min_impurity_split=None,
                       min_samples_leaf=1, min_samples_split=2,
                       min_weight_fraction_leaf=0.0, presort='deprecated',
                       random_state=None, splitter='best')

即所有参数及其默认值，因为您没有在定义中指定任何内容clf = tree.DecisionTreeClassifier()。

您可以通过类似的方式获取 scikit-learn 中任何算法的参数。

使用 scikit-learn v0.22.2 测试

更新

正如 Ben Reiniger 在下面的评论中正确指出的那样，从 scikit-learn v0.23 开始，我们需要先设置显示配置才能使其正常工作：

sklearn.set_config(print_changed_only=False)

您还可以使用get_params为（我相信）所有 scikit-learn 模型定义的方法，因为它们继承自sklearn.base.BaseEstimator. 这使得创建某些模型的新实例变得非常容易（尽管您也可以使用sklearn.base.clone），或者保存参数以供以后评估。

>>> clf.get_params()
{'ccp_alpha': 0.0, 'class_weight': None, 'criterion': 'gini', 'max_depth': None, 'max_features': None, 'max_leaf_nodes': None, 'min_impurity_decrease': 0.0, 'min_impurity_split': None, 'min_samples_leaf': 1, 'min_samples_split': 2, 'min_weight_fraction_leaf': 0.0, 'presort': 'deprecated', 'random_state': None, 'splitter': 'best'}