scikit-learn 中的随机森林解释

Posted 2023-02-23

【中文标题】scikit-learn 中的随机森林解释

【英文标题】：Random Forest interpretation in scikit-learn

【发布时间】：2013-04-26 02:44:26

【问题描述】：

我正在使用scikit-learn's Random Forest Regressor 在数据集上拟合随机森林回归量。是否可以以一种格式解释输出，然后我可以在不使用 scikit-learn 甚至 Python 的情况下实现模型拟合？

该解决方案需要在微控制器甚至FPGA 中实现。我正在用 Python 进行分析和学习，但想在 uC 或 FPGA 上实现。

【参考方案1】：

您可以查看 graphviz，它使用“点语言”来存储模型（如果您想构建一些自定义解释器，这对人类来说是非常可读的，应该不难）。 scikit-learn 中有一个export_graphviz 函数。您可以通过 boost 库 read_graphviz 方法或其他一些可用的自定义解释器在 C++ 中加载和处理模型。

【讨论】：

它看起来像export_graphviz 在sklearn.tree 中，并将决策树作为参数。如何将其应用于诸如sklearn.ensemble.RandomForestRegressor 之类的集成方法？

@Los 随机森林只是一组树，因此可以在 graphviz 中导出。

酷。我刚刚注意到用于获取单个回归量的 estimators_ 字段：scikit-learn.org/stable/modules/generated/…。谢谢！

【参考方案2】：

不清楚这部分是什么意思：

现在，我有了结果，是否可以以某种格式解释它，然后我可以在不使用 sklearn 甚至 python 的情况下实现拟合？

对给定数据集实施拟合过程？树形拓扑？参数选择？

至于'实现...不使用 sklearn 或 python'，您的意思是“移植字节码或二进制文件”还是“干净编码一个全新的实现”？

假设你的意思是后者，我建议GPU 而不是 FPGA 或 uC。