有没有可能在python中提取经过训练的机器学习模型的公式？

Question

在我的项目中，我应该使用分类器来根据6个输入值来预测8个类中的一个。我必须比较一个只运行C++代码的设备上的所有监督学习分类器。所以我使用python来教/拟合机器学习模型，但是我需要为每个分类器在C++上运行它找出最终的公式。有什么办法从模型中得到这些公式/代码吗？

使用的机器学习算法：

1. 支持向量机
2. 朴素贝叶斯
3. 线性回归
4. 线性判别分析
5. 决策树
6. K-最近邻算法
7. Logistic回归
8. 神经网络
9. 梯度增强算法
10. 随机森林。

Answer 1

没有将Python机器学习模型转换为C++代码的通用机制，因为Python代码需要一个完整的运行时实现。

我还需要在低功耗嵌入式设备/微控制器上运行分类器。并且已经开始在嵌入式友好C中实现您列出的一些算法，基于在scikit-learn中培训的模型。

• 朴素贝叶斯：艾巴耶
• 随机森林/决策树：emtrees。最终，坡度也提高了树木(XGBoost，LightGBM)。

还有其他一些对嵌入式友好的分类器项目可用：

• 神经网络uTensor允许使用CMSIS在ARM皮质上运行TensorFlow Lite模型.
• K-最近邻(kNN).经典的kNN非常容易实现。但是由于它存储了所有的训练样本，所以模型的大小对于嵌入式设备来说通常是有问题的。已经提出了许多替代方案，例如ProtoNN。实现在ELL

对于其他算法，您可以找到各种C/C++实现，但大多数算法都是用于操作系统(如Linux)。根据设备的约束程度，可以重用这些设备。然后，您只需实现从Python导出模型和将模型导入到C++库。