也是冷水机
我想知道是否有办法重新使用现有的 DecisionTreeClassifier 来添加另一个层。
我的情况如下:
- 我有一些数据(数据数组X和相应的标签y)用于分类
- 我用我的 (X,y) 数据训练DecisionTreeClassifier
max_depth=1
。
- 虽然我对我的分类器不满意:
- 使用相同的数据重新使用相同的分类器,在我的树底部添加叶子,因此将深度增加 1(重要的是我保持相同的树,我只是在底部添加一层叶子,我我不是用
max_depth=n+1
)重新训练新的决策树
有没有办法用 scikit-learn 做到这一点?或者使用其他分类器,比如神经网络,你可以用 10 个时期来训练你的神经网络,然后如果它不够准确,再用另外 10 个时期重新训练它,依此类推?
S.伦迪
简短的回答:
不,你不能。
长答案:
一个DecisionTreeClassifier并不意味着重新安装。正如您在源代码tree.py的第 350 行中看到的那样,内部树是使用继承自 TreeBuilder 的某个类构建的。这个类来自 cpython 文件_tree.py。你仍然可以尝试通过复制/粘贴它的代码块来调整这个类......我不推荐它,因为它很痛苦,而且它根本不可能工作。
希望您会找到(或找到)另一个解决方案并与我们分享:)
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
编辑于
我来说两句