重新拟合决策树以添加图层

Question

我想知道是否有办法重新使用现有的DecisionTreeClassifier来添加另一层。

我的方案如下：

• 我有一些数据（数据数组 X ，相应的标签 y ）用于分类
• 我在我的（X，y）数据上使用max_depth=1训练 DecisionTreeClassifier 。
• 虽然我对分类器不满意：
  • 使用相同的数据重复使用相同的分类器，在树的底部添加叶子，因此将深度增加1（重要的是我保持相同的树，我只是添加一层叶子在最后，我没有用max_depth=n+1）
  重新培训一个新的DecisionTree

有没有办法用scikit-learn做到这一点？或者使用其他分类器，如神经网络，你可以训练你的神经网络，比如10个时代，然后如果它不够准确，用另外10个时期重新训练它，依此类推？

Answer 1

简答：

否，你可以

。

答案很长：

DecisionTreeClassifier 并不打算再次安装。 正如您在第350行的源代码tree.py中所看到的，内部树是使用从TreeBuilder继承的某个类构建的。该类来自cpython文件_tree.py。您仍然可以尝试通过复制/粘贴其代码块来调整此类...我不推荐它，因为它是颈部疼痛并且根本不可能工作。

希望您能找到（或找到）另一种解决方案并与我们分享：）