python - scikit-learn 中的随机森林解释

Question

我正在使用scikit-learn 的随机森林回归器在数据集上拟合随机森林回归器。是否可以以一种我可以在不使用 scikit-learn 甚至 Python 的情况下实现模型拟合的格式解释输出？

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。

Answer 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，这是非常易于阅读的，应该不难）。scikit-learn中有一个export_graphviz函数。read_graphviz您可以通过 boost 库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。

Answer 2

目前尚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？

为给定的数据集实施拟合过程？树形拓扑？参数选择？

至于“实现......而不使用 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”？

假设您的意思是后者，我建议您使用GPU而不是 FPGA 或 uC。