在neo4j中存储决策树

我一直在寻找一种“productionize”R或基于python的随机森林/梯度提升树模型的方法，并认为由于所有单个组件决策树都是二叉树，因此导出到图形数据库可能是一种可行的解决方案（通过将模型保存在内存中并从Flask之类的轻量级restful库调用进行部署并不能很好地扩展）。决策树通常是这样遍历的：

1.）数据被传递到根节点

2.）检查当前节点是否为叶节点；如果是，则返回一组属性（预测的分布/值）

如果没有，则节点存储决策规则，并检查要将数据传递给下一个节点的相关列（例如，“如果年龄>9.5，则移动到左节点”）

重复2-3次

一般来说，我对neo4j和graph数据库不熟悉，我不清楚是否可以在节点中存储（并随后遍历）决策规则；我看到的所有例子都倾向于

MATCH (neo:Database {name:"Neo4j"})
MATCH (johan:Person {name:"Johan"})
CREATE (johan)-[:FRIEND]->(:Person:Expert {name:"Max"})-[:WORKED_WITH]->       (neo)

其中条件语句在查询中预先指定。这在neo4j中是可行的吗？如果是，我应该关注文档的哪些方面

感谢您提供的任何指导。

有趣的问题

您需要一种从R或Python导出模型并将其转换为Neo4J图的方法

导出机制可以是PMML（如果您使用R rpart包生成修剪过的树）、googleprotobuf（如果您使用R gbm包生成树），或者只是一个Excel电子表格

---

解析和解组Neo4J是您的问题。

我与Yhat没有任何关系，但阅读您的问题让我想到了另一种方法

---

我不知道这对您的团队内部意味着什么，但这似乎是一种非常简单的方法，可以通过基本API调用轻松调用模型。

在前面的研究中，Yhat似乎本质上是一个烧瓶应用程序，并且难以处理消耗大量内存的模型。（而且，相当昂贵）您最终在neo4j中实现了这个功能吗？如果是这样的话，我真的很感激一个例子不，我从来没有实现过这个。