scikit-learn中的随机森林解释

我使用scikit-learn's Random Forest Regressor来拟合数据集上的随机森林回归器。是否可以用一种格式解释输出，然后我可以在不使用scikit-learn甚至是Python的情况下实现模型匹配？scikit-learn中的随机森林解释

该解决方案需要在微控制器或甚至是FPGA中实施。我正在用Python进行分析和学习，但希望在uC或FPGA上实现。

来源

2013-05-02 Amol Desai

您可以检查出的graphviz，它采用“点语言”，用于存储模型（这是相当人类可读的，如果你想建立一些自定义的解释，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来加载和处理C++模型。

来源

2013-05-02 03:04:07 sashkello

它看起来像'export_graphviz'是'sklearn.tree'和作为一个参数，一个决策树。如何将其应用于诸如'sklearn.ensemble.RandomForestRegressor'的合奏方法？ – 2013-10-03 17:08:59

@Los随机森林仅仅是一组树木，因此可以在graphviz的出口。 – sashkello 2013-10-03 23:18:58

很酷。我只注意到了estimators_领域获得个人回归量：http://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestRegressor.html。谢谢！ – 2013-10-05 00:15:02

目前还不清楚你通过这部分的意思：

现在，我有结果，是否有可能在某种格式，我可以再落实配合而不使用sklearn甚至蟒蛇解读？

实现对给定数据集的拟合过程？树拓扑？参数的选择？

对于'没有使用sklearn或python'，您是不是指'移植字节码或二进制文件'或'clean-code是全新的实现？

假设你的意思是后者，我建议GPU而不是FPGA或的uC。

来源

2013-05-06 12:11:15 smci

scikit-learn中的随机森林解释

回答

相关问题