在Spark中获取树模型的叶子概率

我正在尝试重构经过训练的基于火花树的模型（RandomForest或GBT分类器），使其可以在没有火花的环境中导出。该toDebugString方法是一个很好的起点。但是，对于RandomForestClassifier，字符串仅显示每棵树的预测类，而没有相对概率。因此，如果对所有树木的预测取平均值，则会得到错误的结果。

一个例子。我们DecisionTree以这种方式代表：

DecisionTreeClassificationModel (uid=dtc_884dc2111789) of depth 2 with 5 nodes
  If (feature 21 in {1.0})
   Predict: 0.0
  Else (feature 21 not in {1.0})
   If (feature 10 in {0.0})
    Predict: 0.0
   Else (feature 10 not in {0.0})
    Predict: 1.0

如我们所见，跟随这些节点，看起来预测总是为0或1。但是，如果将这棵单树应用于特征向量，则得到的概率像[0.1007, 0.8993]，并且它们在训练中非常有意义，因为在训练中设置负数/正数的比例，该比例最终与示例矢量与输出概率匹配的位置相同。

我的问题：这些概率存储在哪里？有没有办法提取它们？如果是这样，怎么办？一个pyspark解决方案是更好的。