重新拟合决策树以添加层答案

【问题标题】：Re-fit a decision tree to add a layer重新拟合决策树以添加层
【发布时间】：2018-08-25 09:45:54
【问题描述】：

我想知道是否有办法重用现有的 DecisionTreeClassifier 来添加另一个层。

我的情况如下：

我有一些数据（数据数组X和相应的标签y）用于分类
我在 (X,y) 数据上使用 max_depth=1 训练 DecisionTreeClassifier。
虽然我对我的分类器不满意：
- 对相同的数据重新使用相同的分类器，在树的底部添加叶子，因此将深度增加 1（保持相同的树很重要，我只是在树的底部添加一层叶子底部，我不会使用 max_depth=n+1 重新训练新的决策树）

有没有办法用 scikit-learn 做到这一点？或者使用其他分类器，比如神经网络，你可以用比如说 10 个 epoch 训练你的神经网络，然后如果它不够准确，再用另外 10 个 epoch 重新训练它，等等？

【问题讨论】：

标签： python machine-learning scikit-learn decision-tree

【解决方案1】：

简答：

不，你不能。

长答案：

DecisionTreeClassifier 并不意味着要再次安装。正如您在第 350 行的源代码 tree.py 中看到的，内部树是使用继承自 TreeBuilder 的某个类构建的。这个类来自cpython文件_tree.py。你仍然可以尝试通过复制/粘贴它的代码块来调整这个类……我不推荐它，因为它很痛苦，而且根本不可能工作。

希望您能找到（或找到）另一种解决方案并与我们分享:)

【讨论】：