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