python - 是否可以用Python提取经过训练的机器学习模型的公式？

Question

在我的项目中，我应该使用分类器根据 6 个输入值来预测 8 个类别之一。我必须在仅运行 C++ 代码的设备上比较所有监督学习分类器。因此，我使用 python 来教授/拟合机器学习模型，但我需要找出每个分类器在 C++ 上运行的最终公式。有什么方法可以从模型中获取这些公式/代码吗？

使用的机器学习算法:

1. 支持 vector 机
2. 朴素贝叶斯
3. 线性回归
4. 线性判别分析
5. 决策树
6. K近邻算法
7. 逻辑回归
8. 神经网络
9. 梯度增强算法
10. 随机森林。

Answer 1

没有通用机制可以将 Python 机器学习模型转换为 C++ 代码，因为 Python 代码需要完整的运行时实现。

我还需要在低功耗嵌入式设备/微 Controller 上运行分类器。并已开始基于 scikit-learn 中训练的模型，在嵌入式友好的 C 语言中实现您列出的一些算法。

• 朴素贝叶斯:embayes
• 随机森林/决策树:emtrees 。最终还有梯度增强树(XGBoost、LightGBM)。

还有一些其他嵌入式友好的分类器项目可用:

• 神经网络。 uTensor允许使用 CMSIS-NN 在 ARM Cortex 上运行 TensorFlow Lite 模型。
• K-最近邻 (kNN)。经典的 kNN 实现起来非常简单。但由于它存储所有训练样本，因此模型大小对于嵌入式设备来说通常是个问题。已经提出了许多替代方案，例如 ProtoNN 。已实现in ELL

对于其他算法，您可以找到各种 C/C++ 实现，但大多数都是用于操作系统(如 Linux)。根据您的设备的限制程度，可能可以重复使用这些内容。然后您只需实现从Python导出模型并将模型导入C++库即可。