4

我想从经过训练的梯度增强分类器（来自 sklearn）生成代码（现在是 Python，但最终是 C）。据我了解，该模型采用初始预测器，然后添加来自顺序训练的回归树的预测（按学习因子缩放）。选择的类是具有最高输出值的类。

这是我到目前为止的代码：

def recursep_gbm(left, right, threshold, features, node, depth, value, out_name, scale):
    # Functions for spacing
    tabs = lambda n: (' ' * n * 4)[:-1]
    def print_depth():
        if depth: print tabs(depth),
    def print_depth_b():
        if depth: 
            print tabs(depth), 
            if (depth-1): print tabs(depth-1),

    if (threshold[node] != -2):
        print_depth()
        print "if " + features[node] + " <= " + str(threshold[node]) + ":"
        if left[node] != -1:
            recursep_gbm(left, right, threshold, features, left[node], depth+1, value, out_name, scale)
        print_depth()
        print "else:"
        if right[node] != -1:
            recursep_gbm(left, right, threshold, features, right[node], depth+1, value, out_name, scale)
    else:
        # This is an end node, add results
        print_depth()
        print out_name + " += " + str(scale) + " * " + str(value[node][0, 0])

def print_GBM_python(gbm_model, feature_names, X_data, l_rate):
    print "PYTHON CODE"

    # Get trees
    trees = gbm_model.estimators_

    # F0
    f0_probs = np.mean(clf.predict_log_proba(X_data), axis=0)
    probs    = ", ".join([str(prob) for prob in f0_probs])
    print "# Initial probabilities (F0)"
    print "scores = np.array([%s])" % probs
    print 

    print "# Update scores for each estimator"
    for j, tree_group in enumerate(trees):
        for k, tree in enumerate(tree_group):
            left      = tree.tree_.children_left
            right     = tree.tree_.children_right
            threshold = tree.tree_.threshold
            features  = [feature_names[i] for i in tree.tree_.feature]
            value = tree.tree_.value

            recursep_gbm(left, right, threshold, features, 0, 0, value, "scores[%i]" % k, l_rate)
        print

    print "# Get class with max score"
    print "return np.argmax(scores)"

我从这个问题修改了树生成代码。

这是它生成的示例（具有 3 个类、2 个估计器、1 个最大深度和 0.1 学习率）：

# Initial probabilities (F0)
scores = np.array([-0.964890, -1.238279, -1.170222])

# Update scores for each estimator
if X1 <= 57.5:
    scores[0] += 0.1 * 1.60943587225
else:
    scores[0] += 0.1 * -0.908433703247
if X2 <= 0.000394500006223:
    scores[1] += 0.1 * -0.900203054177
else:
    scores[1] += 0.1 * 0.221484425933
if X2 <= 0.0340005010366:
    scores[2] += 0.1 * -0.848148803219
else:
    scores[2] += 0.1 * 1.98100820717

if X1 <= 57.5:
    scores[0] += 0.1 * 1.38506104792
else:
    scores[0] += 0.1 * -0.855930587354
if X1 <= 43.5:
    scores[1] += 0.1 * -0.810729087535
else:
    scores[1] += 0.1 * 0.237980820334
if X2 <= 0.027434501797:
    scores[2] += 0.1 * -0.815242297324
else:
    scores[2] += 0.1 * 1.69970863021

# Get class with max score
return np.argmax(scores)

基于此，我使用对数概率作为 F0 。

predict对于一个估计器，它给了我与训练模型上的方法相同的预测。但是，当我添加更多估计器时，预测开始出现偏差。我是否应该包含步长（在此处描述）？另外，我的F0正确吗？我应该取平均值吗？我应该将日志概率转换为其他东西吗？任何帮助是极大的赞赏！

4

1 回答 1

2

梯度提升分类器的底层是回归树的总和。

estimators_您可以通过读取属性从训练好的分类器中获取弱学习器决策树。从文档来看，它实际上是 DecisionTreeRegressor 的 ndarray。

最后，要完全重现预测功能，您还需要访问权重，如本答案中所述。

或者，您可以导出决策树的GraphViz表示（而不是其伪代码）。从 scikit-learn.org 找到下面的可视化示例： 在此处输入图像描述

作为最后的边注/建议，您可能还想尝试 xgboost：除了其他功能外，它还具有内置的“转储模型”功能（显示训练模型下的所有决策树并将它们保存到文本文件）。

于 2016-05-28T21:23:20.047 回答