python - 提高 sklearn 中随机森林回归器的性能

有一个优化问题，我必须调用随机森林回归器的预测函数数千次。

from sklearn.ensemble import RandomForestRegressor
rfr = RandomForestRegressor(n_estimators=10)
rfr = rfr.fit(X, Y)
for iteration in range(0, 100000):
    # code that adapts the input data according to fitness of the last output
    output_data = rfr.predict(input_data)
    # code that evaluates the fitness of output data

在这种情况下，有没有办法提高预测函数的速度？可能通过使用 Cython？

最佳答案

您可以使用 SKompiler ( https://github.com/konstantint/SKompiler ) 将其转换为 C 或 C++ 代码，然后在那里运行。

from skompiler import skompile
expr = skompile(rfr.predict)
with open("output.cpp", "w") as text_file: print(expr.to('sympy/cxx'), file=text_file)

关于python - 提高 sklearn 中随机森林回归器的性能，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/58895465/