Ich habe gelesen, dass die eingebauten Ensemble-Methoden in Sklearn Entscheidungsbäume als Basis-Klassifikatoren verwenden. Ist es möglich, benutzerdefinierte Klassifizierer zu verwenden?Wie benutzerdefinierte Klassifizierer in Ensemble-Klassifikatoren in Sklearn verwenden?
Wenn Sie die zufälligen Wald Klassen meinen, dann ist dies derzeit nicht möglich. Die Möglichkeit, andere Schätzer zuzulassen, wurde im letzten Januar auf der Mailingliste von scikit-learn diskutiert, aber ich glaube nicht, dass irgendein tatsächlicher Code diese Diskussion hervorgebracht hat.
Ich weiß nicht, ob es hilft, aber man kann sehr leicht stapeln/kombinieren benutzerdefinierte Klassifikatoren die Pipeline-Utilities: http://scikit-learn.org/stable/tutorial/statistical_inference/putting_together.html#pipelining
Wenn Sie sklearn.ensemble.AdaBoostClassifier verwenden, dann ist die Antwort ja: scikit-learn.org/stable/modules/generated/sklearn.ensemble.AdaBoostClassifier.html kann nur vergeben base_estimator selbst.
Pipelines sind nicht ensemble Methoden. Sie kombinieren nur einen einzigen Klassifizierer mit einer Reihe von Vorverarbeitungsschritten. –
Ja, Sie haben Recht. Aber was ich meinte ist, dass die Verwendung von Pipelining und FeatureUnion zusammen verwendet werden kann, um homogene oder heterogene Modelle in wenigen Zeilen Code zu kombinieren. Rampe https://github.com/kvh/ramp verwendet dieses Prinzip zum Beispiel sehr viel. – user1151446