Python 存储决策树代码/算法

我有一个作业，我计划使用机器学习（特别是监督学习，如决策树）。最后的代码将在没有scikit学习或其他外部库的助教pc上运行

因此，我需要从头开始编写决策树分类器之类的东西，或者在本地使用外部库，并存储最终的算法

总结：当给定一组带标签的训练数据时，如何在python代码中存储最终算法，而不依赖外部库在将来运行最终算法

例如，一个决策树可以分解为一系列if/then语句，我想生成这些if/then语句并存储它们，这样它就可以在一台计算机上运行，除了python之外，没有安装任何东西

---

关于如何实现这一目标的最佳建议是什么。如果这是在错误的论坛，请告知

您可以使用Python随机林包

sklearn.ensemble

，如下所示：

# Import the random forest package
from sklearn.ensemble import RandomForestClassifier 

# create a random forest object with 100 trees
forest = RandomForestClassifier(n_estimators = 100)

predictors = [[0, 0], [1, 1]]
response = [0, 1]

# fit the model to the training data
forest = forest.fit(predictors, response)

# you can reuse the forest model you built to make predictions
# on other data sets
test_data = [[0, 1], [1, 0]]
output = forest.predict(test_data)

---

请注意，我在这里导入了

RandomForestClassifier

，但是如果您想在回归模式下运行随机林，您也可以使用

randomforestregistor

。

我认为这是一个正确的论坛，因为您的问题主要涉及用一种语言（Python）实现机器学习算法1.我不确定问题是什么。是“我如何封装我的依赖项以便代码可以在另一台计算机上运行而不安装任何东西（除了python）？？是的，基本上我想要一系列用于决策树算法的if/then语句（作为示例）。