scikit-learn - 是否可以在 Scikit-learn 中使用自定义的决策树分类器？

Question

我有一个预定义的决策树，它是根据基于知识的拆分构建的，我想用它来进行预测。我可以尝试从头开始实现决策树分类器，但那样我就无法在 Scikit 函数中使用 predict 等内置函数。有没有办法将我的树转换为 pmml 并导入此 pmml 以使用 scikit-learn 进行预测？或者我需要做一些完全不同的事情吗？我的第一次尝试是使用“假训练数据”强制算法按照我喜欢的方式构建树，这最终会导致大量工作，因为我需要根据用户输入创建不同的树。

Answer 1

您可以使用 Sklearn API 创建自己的决策树分类器。请read this documentation遵循预测器类类型。如 this section 中所述，您可以按照模板构建估算器:

import numpy as np
from sklearn.base import BaseEstimator, ClassifierMixin
from sklearn.utils.validation import check_X_y, check_array, check_is_fitted
from sklearn.utils.multiclass import unique_labels
from sklearn.metrics import euclidean_distances

class TemplateClassifier(BaseEstimator, ClassifierMixin):
    def __init__(self, demo_param='demo'):
        self.demo_param = demo_param

    def fit(self, X, y):
        # Two paths. Just return the object, or implement here your decision rules
        return self

    def predict(self, X):

        # Check is fit had been called
        check_is_fitted(self)

        # Input validation
        X = check_array(X)

        # Change this to your decision tree "rules"
        closest = np.argmin(euclidean_distances(X, self.X_), axis=1)
        return self.y_[closest]