5
sklearn의 내장 앙상블 메소드가 의사 결정 트리를 기본 분류 자로 사용한다는 것을 읽었습니다. 대신 맞춤 분류 기준을 사용할 수 있습니까?sklearn의 앙상블 분류기에서 맞춤 분류 기준을 사용하는 방법은 무엇인가요?
A
답변
3
임의의 포리스트 클래스를 의미하는 경우 아니오, 현재로서는 불가능합니다. 지난 해 1 월 scikit-learn 메일 링리스트에서 다른 평가자를 허용하는 옵션이 논의되었지만 실제 코드가 그 토론에서 나왔다고는 생각하지 않습니다.
2
도움이된다면 나도 몰라,하지만 당신은 아주 쉽게 파이프 라인 유틸리티를 사용하여 사용자 정의 분류를 결합/쌓을 수 : http://scikit-learn.org/stable/tutorial/statistical_inference/putting_together.html#pipelining
3
당신이 sklearn.ensemble.AdaBoostClassifier를 사용하는 경우, 대답은 '예 : 는 scikit-learn.org/stable/modules/generated/sklearn.ensemble.AdaBoostClassifier.html 당신은 할당 할 수 있습니다를 직접 base_estimator.
파이프 라인은 앙상블 메소드가 아닙니다. 단일 분류기와 일련의 전처리 단계 만 결합합니다. –
예, 맞습니다. 그러나 필자가 말한 것은 Pipelining과 FeatureUnion을 함께 사용하면 몇 줄의 코드에서 균질 또는 이종 모델을 결합 할 수 있다는 것입니다. 램프 https://github.com/kvh/ramp는이 원리를 많이 사용합니다. – user1151446