《老饼讲解机器学习》http://ml.bbbdata.com/teach#107

目录

一.问题

二.主要思路

三.代码实例

1.数据提取

2.预测函数

3.准确性测试

一.问题

在决策树模型建好之后&＃xff0c;要提取规则布署到生产。

二.主要思路

只提取数据&＃xff0c;在生产环境写出通用预测代码。新的模型只需替换数据即可。

备注&＃xff1a;一般不弄成一系列的if else&＃xff0c;写死代码不便于更换模型。

三.代码实例

1.数据提取

使用如下get_tree函数&＃xff0c;将树数据提取成字典&＃xff1a;

from sklearn import tree
import numpy as np
def get_tree(sk_tree):#--------------拷贝sklearn树模型关键信息--------------------children_left &＃61; sk_tree.tree_.children_left.copy() # 左节点编号children_right &＃61; sk_tree.tree_.children_right.copy() # 右节点编号feature &＃61; sk_tree.tree_.feature.copy() # 分割的变量threshold &＃61; sk_tree.tree_.threshold.copy() # 分割阈值impurity &＃61; sk_tree.tree_.impurity.copy() # 不纯度(gini)n_node_samples &＃61; sk_tree.tree_.n_node_samples.copy() # 样本个数value &＃61; sk_tree.tree_.value.copy() # 样本分布n_sample &＃61; value[0].sum() # 总样本个数node_num &＃61; len(children_left) # 节点个数depth &＃61; sk_tree.get_depth()# ------------补充节点父节点信息---------------------------parent &＃61; np.zeros(node_num).astype(int)parent[0] &＃61; -1branch_idx &＃61; np.where(children_left!&＃61;-1)[0]for i in branch_idx:parent[children_left[i]] &＃61; i parent[children_right[i]]&＃61; i #-------------存成字典----------------------------------------- tree &＃61; {&＃39;children_left&＃39;:children_left,&＃39;children_right&＃39;:children_right,&＃39;feature&＃39;:feature,&＃39;threshold&＃39;:threshold,&＃39;impurity&＃39;:impurity,&＃39;n_node_samples&＃39;:n_node_samples,&＃39;value&＃39;:value,&＃39;depth&＃39;:depth,&＃39;n_sample&＃39;:n_sample,&＃39;node_num&＃39;:node_num,&＃39;parent&＃39;:parent}return tree

将训练好的模型sk_tree传入以上函数&＃xff0c;转化成字典&＃xff0c;保存成文件。

2.预测函数

在生产时使用如下tree_predict 函数预测&＃xff08;其它语言类似以下逻辑&＃xff09;。

import numpy as np
def tree_predict(tree,x):node_idx &＃61; 0t &＃61; 0while(t


3.准确性测试