0

我有一个任务,我计划使用机器学习(特别是监督学习,例如决策树)。最终代码将在没有 scikit learn 或其他外部库的助教电脑上运行。

因此,我需要从头开始编写决策树分类器之类的东西,或者在本地使用外部库,并存储最终算法。

总结一下:当给定一组带标签的训练数据时,如何将最终算法存储在python代码中,以后不依赖外部库来运行最终算法?

例如,决策树可以分解为一系列 if/then 语句,我想生成这些 if/then 语句并存储它们,以便它可以在除了 python 之外没有安装任何东西的计算机上运行。

关于如何实现这一目标的最佳建议是什么。如果这是在错误的论坛,请告知。

4

1 回答 1

0

您可以使用 Python 随机森林包sklearn.ensemble,如下所示:

# Import the random forest package
from sklearn.ensemble import RandomForestClassifier 

# create a random forest object with 100 trees
forest = RandomForestClassifier(n_estimators = 100)

predictors = [[0, 0], [1, 1]]
response = [0, 1]

# fit the model to the training data
forest = forest.fit(predictors, response)

# you can reuse the forest model you built to make predictions
# on other data sets
test_data = [[0, 1], [1, 0]]
output = forest.predict(test_data)

请注意,我在此处导入,但如果您想在回归模式下运行随机森林,RandomForestClassifier您也可以使用。RandomForestRegressor

于 2015-03-10T04:53:03.617 回答