ส่งออกน้ำหนัก (สูตร) ​​จาก Random Forest Regressor ใน Scikit-Learn

ฉันได้ฝึกฝนแบบจำลองการทำนายด้วย Scikit Learn ใน Python (Random Forest Regressor) และฉันต้องการแยกน้ำหนักของคุณลักษณะแต่ละอย่างเพื่อสร้างเครื่องมือ excel สำหรับการคาดการณ์ด้วยตนเอง

สิ่งเดียวที่ฉันพบคือmodel.feature_importances_แต่มันไม่ได้ช่วย

มีวิธีการที่จะบรรลุหรือไม่

def performRandomForest(X_train, y_train, X_test, y_test):

    '''Perform Random Forest Regression'''

    from sklearn.ensemble  import  RandomForestRegressor

    model  =  RandomForestRegressor()
    model.fit( X_train , y_train )

    #make predictions
    expected  = y_test
    predicted  = model.predict( X_test )

    #summarize the fit of the model
    mse  = np.mean(( predicted - expected )** 2)
    accuracy = ( model.score ( X_train , y_train ))

    return model, mse, accuracy

ในขณะนี้ฉันใช้model.predict([features])เพื่อทำ แต่ฉันต้องการมันในไฟล์ excel

SKompilerห้องสมุดอาจช่วย:

from skompiler import skompile
skompile(rf.predict_proba).to('excel')

ลองดูวิดีโอนี้

แทนการส่งออกน้ำหนักคุณสามารถส่งออกรูปแบบไปยังแฟ้มดองและใช้xlwingsอ่านข้อมูลจากสเปรดชีทที่โหลดรูปแบบดองและเรียกใช้การคาดคะเนนี่เป็นคำถามที่คล้ายกัน

ฉันเดาว่าคุณต้องการแยกตรรกะทั้งหมดตามด้วยต้นไม้ที่แตกต่างกันเพื่อจบลงที่ regressor สุดท้าย เพื่อที่คุณจะต้องสกัดตรรกะของต้นไม้แต่ละต้นก่อนแล้วจึงแยกวิธีการติดตามเส้นทางเหล่านั้น Scikit เรียนรู้สามารถให้ที่ผ่าน. decision_path (X) กับ X ชุดข้อมูลบางส่วนที่จะทำนาย จากที่นี่คุณจะได้รับความคิดเกี่ยวกับวิธีการคาดการณ์ป่าแบบสุ่มและตรรกะใดที่ตามมาในแต่ละขั้นตอน

เมื่อคุณแยกการตัดสินใจออกแล้วคุณสามารถใช้Tree Interpreterเพื่อรับ "สูตร" ของ Random Forest ที่คุณฝึกฝน ฉันไม่คุ้นเคยกับ Tree Interpreter แต่ดูเหมือนว่าจะทำงานโดยตรงกับผู้สร้างแบบจำลองที่คุณฝึกมาแล้วเช่น

from treeinterpreter import treeinterpreter as ti
# fit a scikit-learn's regressor model

rf = RandomForestRegressor()

rf.fit(trainX, trainY)

prediction, bias, contributions = ti.predict(rf, testX)