Scikit learn 如何在fast中转换scikit模型` P>一个C++中的SCIKIT模型（例如，一个随机Fisher分类器拟合结果）转换为最快的应该是什么更好的路径？所以，< /COD>可以从其他的生态系统调用？< /P> < P>可移植的SCIKIT学习模型移植到其他语言，参见项目。p>

不过，这是否会比原来的

RandomForestClassifier.predict

方法（它是多线程的，使用numpy操作，可能有一个快速的BLAS库）更快，还有待观察。

我不明白你所说的“转换”是什么意思

RandomForestClassifier

是，而不是编译扩展名。如果你想要一个快速编译的版本，你需要重新编写它。一种选择是使用它可以将Python的超集转换为C，这样就可以对其进行静态编译。不过，没有零努力的解决方案-您需要添加自己的静态类型声明等，以便看到任何明显的加速。是的，我同意，但是创建/训练/拟合模型并使用它进行预测是两种不同的想法。scikit RandomForestClassifier将创建模型，该模型通常作为树集合存储在pickle中。在高速RTB上下文中，我需要“使用/加速”这个生成的模型，只在某些C++代码中转换最后的“树汤”，以更快地应用它。我见过PMML，但似乎对我们的用例帮助不大。