我可以将机器学习模型用作优化问题中的目标函数吗？

Question

我有一个数据集，我使用Sklearn决策树回归机器学习包为该数据集构建了一个用于预测目的的模型。随后，我尝试利用scipy.optimize包基于给定的约束来求解最小化的解决方案。 但是，我不确定是否可以将决策树模型作为优化问题的目标函数。在这种情况下应该采取什么方法？我过去曾尝试使用LarsCV之类的线性回归模型，但它们工作得很好。但是在线性回归模型中，基本上可以从模型中提取系数和截取点。

Answer 1

是；线性回归模型是系数的直接线性函数（其中之一是“截距”或“偏差”）。

您现在遇到的问题是，更复杂的模型不是那么简单。您需要将模型加载到适当的引擎中。要“调用”模型，请向引擎提供输入向量（参数列表的关联），然后等待模型返回预测。

您需要将此过程包装在一个函数调用中，这可能是作为外部系统/ Shell命令发出模型加载和处理的函数，并将结果返回到主程序。有些应用程序足够大，以至于用侦听器和报告器实现全口径数据流来处理吞吐量是有意义的。

这会让你动起来吗？