Scikit learn 从随机森林分类器中提取树(预测器)
我有一个关于sklearn的特定技术问题,随机森林分类器 使用“.fit(X,y)”方法拟合数据后, 有没有办法提取实际的树 从估计器对象,以某种常见格式,因此“.predict(X)”Scikit learn 从随机森林分类器中提取树(预测器),scikit-learn,Scikit Learn,我有一个关于sklearn的特定技术问题,随机森林分类器 使用“.fit(X,y)”方法拟合数据后, 有没有办法提取实际的树 从估计器对象,以某种常见格式,因此“.predict(X)” 方法可以在python之外实现?是的,林的树存储在 森林物体 您可以查看export\u graphviz 函数了解如何编写自定义导出器: 以下是此功能的使用说明: 是的,并且@ogrisel answer使我能够实现以下代码片段,它允许使用(部分训练的)随机林来预测值。如果要交叉验证随机森林模型的树数,可以
方法可以在python之外实现?是的,林的树存储在 森林物体 您可以查看
export\u graphviz
函数了解如何编写自定义导出器:
以下是此功能的使用说明:
是的,并且@ogrisel answer使我能够实现以下代码片段,它允许使用(部分训练的)随机林来预测值。如果要交叉验证随机森林模型的树数,可以节省大量时间:
rf_model = RandomForestRegressor()
rf_model.fit(x, y)
estimators = rf_model.estimators_
def predict(w, i):
rf_model.estimators_ = estimators[0:i]
return rf_model.predict(x)
我在这里详细解释了这一点:谢谢奥利弗!这实际上还没有帮助(从0.14.1开始)。这里有一个pull请求:有没有尝试过该解决方案的示例,正如我在Google Colab中尝试的那样,我在()中得到了错误,---------------------------------------------------------------------------------------ValueError Traceback(最近一次调用)19将numpy作为np 20--->21从..utils.validation导入检查从安装22 23。导入\u标准值错误:尝试在顶级包之外进行相对导入