Python 如何为新的ML算法添加sklearn包装器

我想融入sklearn。我查阅了sklearn文档和web，了解如何包装新算法，但这个要求似乎没有很好的文档记录

---

因此，我想问一下，是否有关于如何向sklearn添加新算法包装器的文档（除了阅读源代码）？

从这个常见问题解答中，我发现他们不太喜欢新算法，原因似乎是合理的。有鉴于此，有理由认为没有任何关于如何添加新算法包装器的文档。我要补充的是，我已经使用该软件包一段时间了，在他们的网站或其他网站上都没有发现与您所寻找的类似的内容。

在阅读了

sklearn

文档后，最好的做法是浏览完整的工作示例

XGBoost

模块有一个彻底的

sklearn

包装器，您可以在这里看到：

---

那么，作为一个简短的回答，你说没有办法添加一个新的算法说唱歌手？无论如何，我不想强迫sklearn大师在源代码库中接受这个扩展，我将添加它供我个人使用，这样我就可以利用因子分解机获得sklearn的潜力，不过我将作为一个非官方的开源扩展进行分享。很难确认互联网上缺少了什么。我想说的是，官方网站上没有这样的东西，我在别处也没有找到。也许你可以在github上跟踪其他非官方的扩展，并将其发送给所有者。这个问题对于stackoverflow来说可能太广泛了。gitter上有一个用于

scikit学习的频道。你可以在那里获得更多信息。你说的包装一个新算法是什么意思？@yangjie，我希望能够像其他算法一样应用相同的函数方法，拟合、预测、评分等。我希望能够使用相同的np/pandas数据结构，并将它们传递给新算法。我希望能够将该算法添加到管道中，应用gridsearchCV等。我只是想利用sklearn的易用性和灵活性。下面是一个流行的ML算法示例，XGBoost，包装在sklearn接口中：@inversion这非常有帮助。这是另一个你可能会发现有用的链接，它包装了一个libfm可执行文件：