scikit-learn中的随机森林解释

Question

我使用scikit-learn's Random Forest Regressor在数据集上拟合随机森林回归量。是否有可能以一种格式解释输出，然后我可以在不使用scikit-learn甚至Python的情况下实现模型拟合？

解决方案需要在微控制器中实现，甚至可能在FPGA中实现。我正在使用Python进行分析和学习，但希望在uC或FPGA上实现。

Answer 1

你可以查看graphviz，它使用'点语言'来存储模型（如果你想构建一些自定义解释器，这是非常人性化的，应该不难）。 scikit-learn中有export_graphviz个函数。您可以通过boost库read_graphviz方法或其他一些可用的自定义解释器在C ++中加载和处理模型。

Answer 2

目前还不清楚这部分是什么意思：

现在，我有结果，是否有可能以某种格式解释这个，然后我可以在不使用sklearn甚至python的情况下实现拟合？

为给定数据集实施拟合过程？树拓扑？选择参数？

至于'实现...不使用sklearn或python'，你的意思是“移植字节码或二进制”或“清理代码一个全新的实现”吗？

假设你的意思是后者，我建议GPU而不是FPGA或uC。