我正在尝试使用scikit-learn提供的功能训练决策树分类器以评估棒球运动员。但是，我想提前“预先指定”或“强制”一些分裂，基于我所知道的专家思考的方式（这些都需要合并）。例如，我想基于击球平均值＆gt;强制进行分组。 .300。
一个相关的问题是 - 我可以“预先加载”先前训练过的决策树模型，并仅在后续培训中“更新”它吗？或者，每次运行时，decisio树分类器是否需要重新学习所有规则？我在这里尝试的类比是转移学习，但应用决策树。
答案 0 :(得分：1)
我预先指定拆分的方法是创建多个树。将玩家分成两组，平均分组为＆gt; 0.3和＆lt; = 0.3，然后在每个组上创建并测试树。在得分过程中，一个简单的if-then-else可以将玩家发送到tree1或tree2。
这种方式的优点是你的代码非常明确。这也是测试这些专家规则的好方法 - 构建一个没有规则的树，然后构建2棵树并进行比较。
缺点是如果你有很多规则，这对于许多树来说变得相当繁琐，许多if-then-else维护，并且可能是小样本训练每棵树。但也许所有的专家规则都不是最优的。
答案 1 :(得分：0)
您可以查看模型的this example to find out the decision tree structure。虽然分裂会有点困难。
您可以查看this answer which specifies a method以在决策树中添加自定义拆分器。
另外，我无法找到预先加载的方法，然后更改决策树。您必须找到其他一些解决方法。