存储决策树代码/算法

Question

我有一个作业，我计划使用机器学习(特别是监督学习，比如决策树)。最终的代码将在教学助理的pc上运行，该pc没有安装scikit learn或其他外部库。

因此，我需要从头开始编写决策树分类器之类的东西，或者在本地使用外部库，并存储最终的算法。

总而言之:当给定一组标记的训练数据时，如何在python代码中存储最终算法，而不依赖外部库在未来运行最终算法？

例如，决策树可以分解为一系列if/then语句，我想生成这些if/then语句并存储它们，这样它就可以在除了python之外什么都没有安装的计算机上运行。

关于如何实现这一点，最好的建议是什么？如果这是在错误的论坛，请告知。

Answer 1

您可以使用Python随机森林包sklearn.ensemble，如下所示：

# Import the random forest package
from sklearn.ensemble import RandomForestClassifier 

# create a random forest object with 100 trees
forest = RandomForestClassifier(n_estimators = 100)

predictors = [[0, 0], [1, 1]]
response = [0, 1]

# fit the model to the training data
forest = forest.fit(predictors, response)

# you can reuse the forest model you built to make predictions
# on other data sets
test_data = [[0, 1], [1, 0]]
output = forest.predict(test_data)

请注意，我在这里导入了RandomForestClassifier，但您也可以使用RandomForestRegressor，以便在回归模式下运行随机森林。