我有一个作业,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PC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:当给定一组标记的训练数据时,如何将最终算法存储在 python 代码中,而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 python 之外什么都不安装的计算机上运行。
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。
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,我在此处导入了RandomForestClassifier
,但如果您想在回归模式下运行随机森林,您也可以使用 RandomForestRegressor
。