Scikit learn 如何用新的学习算法扩展scikit学习中的集成方法

我有一个新的决策树集成回归算法需要实现，我会 如果可以的话，我想在基于Python的scikit学习包提供的基础设施上进行构建。我想创建一种新型的基本决策树，以及一种将它们结合起来进行集成回归预测的新方法

scikit学习的文档重点是使用，而不是扩展。我已经查看了现有集成方法的代码，但是使用了一些相当微妙的Python fu，这使得很难知道从哪里开始。有人知道解释如何使用自定义类扩展scikit的文档吗？或者有这种简单扩展的例子吗？（它可以在任何模块上；它不一定是集合。）

---

谢谢。

你的意思是你想推出一个新的树学习器和一个新的集成方法？是的，没错。我想主要的变化是树学习器，我可能仍然希望使用基本相同的算法来创建多棵树并平均它们的预测。树学习器本身具有相同的节点大小、叶子大小等参数，但使用不同的算法进行学习并存储更多信息。