為sklearn的GradientBoostingClassifier生成代碼

Question

我想從訓練有素的梯度提升分類器（來自sklearn）生成代碼（現在是Python，但最終是C）。 據我了解，該模型采用初始預測器，然后從順序訓練的回歸樹中添加預測（按學習因子縮放）。 然后，所選擇的類是具有最高輸出值的類。

這是我到目前為止的代碼：

def recursep_gbm(left, right, threshold, features, node, depth, value, out_name, scale):
    # Functions for spacing
    tabs = lambda n: (' ' * n * 4)[:-1]
    def print_depth():
        if depth: print tabs(depth),
    def print_depth_b():
        if depth: 
            print tabs(depth), 
            if (depth-1): print tabs(depth-1),

    if (threshold[node] != -2):
        print_depth()
        print "if " + features[node] + " <= " + str(threshold[node]) + ":"
        if left[node] != -1:
            recursep_gbm(left, right, threshold, features, left[node], depth+1, value, out_name, scale)
        print_depth()
        print "else:"
        if right[node] != -1:
            recursep_gbm(left, right, threshold, features, right[node], depth+1, value, out_name, scale)
    else:
        # This is an end node, add results
        print_depth()
        print out_name + " += " + str(scale) + " * " + str(value[node][0, 0])

def print_GBM_python(gbm_model, feature_names, X_data, l_rate):
    print "PYTHON CODE"

    # Get trees
    trees = gbm_model.estimators_

    # F0
    f0_probs = np.mean(clf.predict_log_proba(X_data), axis=0)
    probs    = ", ".join([str(prob) for prob in f0_probs])
    print "# Initial probabilities (F0)"
    print "scores = np.array([%s])" % probs
    print 

    print "# Update scores for each estimator"
    for j, tree_group in enumerate(trees):
        for k, tree in enumerate(tree_group):
            left      = tree.tree_.children_left
            right     = tree.tree_.children_right
            threshold = tree.tree_.threshold
            features  = [feature_names[i] for i in tree.tree_.feature]
            value = tree.tree_.value

            recursep_gbm(left, right, threshold, features, 0, 0, value, "scores[%i]" % k, l_rate)
        print

    print "# Get class with max score"
    print "return np.argmax(scores)"

我從這個問題修改了樹生成代碼。

這是它生成的一個例子（有3個類，2個估計，1個最大深度和0.1個學習率）：

# Initial probabilities (F0)
scores = np.array([-0.964890, -1.238279, -1.170222])

# Update scores for each estimator
if X1 <= 57.5:
    scores[0] += 0.1 * 1.60943587225
else:
    scores[0] += 0.1 * -0.908433703247
if X2 <= 0.000394500006223:
    scores[1] += 0.1 * -0.900203054177
else:
    scores[1] += 0.1 * 0.221484425933
if X2 <= 0.0340005010366:
    scores[2] += 0.1 * -0.848148803219
else:
    scores[2] += 0.1 * 1.98100820717

if X1 <= 57.5:
    scores[0] += 0.1 * 1.38506104792
else:
    scores[0] += 0.1 * -0.855930587354
if X1 <= 43.5:
    scores[1] += 0.1 * -0.810729087535
else:
    scores[1] += 0.1 * 0.237980820334
if X2 <= 0.027434501797:
    scores[2] += 0.1 * -0.815242297324
else:
    scores[2] += 0.1 * 1.69970863021

# Get class with max score
return np.argmax(scores)

基於此 ，我使用對數概率作為F0。

對於一個估算器，它給出了與訓練模型上的predict方法相同的預測。 然而，當我添加更多估算器時，預測開始偏離。 我應該加入步長（ 這里描述）？ 另外，我的F0是否正確？ 我應該采取均值嗎？ 我應該將日志概率轉換為其他東西嗎？ 任何幫助是極大的贊賞！

Answer 1

在Gradient Boosting分類器的引擎下是回歸樹的總和。

您可以通過讀取estimators_屬性從訓練的分類estimators_獲取弱學習者決策樹。 從文檔中 ，它實際上是DecisionTreeRegressor的ndarray。

最后，要完全重現預測功能，您還需要訪問權重，如本答案中所述 。

或者，您可以導出決策樹的GraphViz表示（而不是其偽代碼）。 從scikit-learn.org中找到以下可視化示例：

作為最后的邊緣注釋/建議，您可能還想嘗試xgboost：除了其他功能外，它還具有內置的“轉儲模型”功能（用於顯示受過訓練的模型下的所有決策樹並將其保存到文本文件中）。