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。
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。
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。
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。
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