如何解决sklearn中DecisionTreeRegressor的自定义标准
我想使用DecisionTreeRegressor进行多输出回归，但是我想为每个输出使用不同的“重要性”权重（例如，准确预测y1的重要性是预测y2的两倍）。
是否可以将这些权重直接包含在sklearn的DecisionTreeRegressor中？如果没有，如何为sklearn中的每个输出创建具有不同权重的自定义MSE标准？
解决方法
更令人失望的是，由于只允许设置一个权重，因此sklearn中的算法都是关于一个权重的。
关于自定义条件：
scikit-learn中存在类似问题 https://github.com/scikit-learn/scikit-learn/issues/17436
可能的解决方案是创建一个模仿https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/tree/_criterion.pyx#L976中现有标准的标准类（例如MAE）
但是，如果您详细查看代码，则会发现所有关于权重的变量都是“一个权重集”，这与任务无关。
因此，要进行自定义，您可能需要破解很多代码，包括：
-
破解fit函数以接受二维权重数组 https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/tree/_classes.py#L142
-
通过检查（否则继续破解...）
-
修改树构建器以允许权重 https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/tree/_tree.pyx#L111 太糟糕了，相关变量很多，您应该将double更改为double *
-
修改Criterion类以接受二维权重数组 https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/tree/_criterion.pyx#L976
-
在初始化，重置和更新中，必须保留特定于输出（任务）的属性，例如self.weighted_n_node_samples。
TBH，我认为这真的很难实施。也许我们需要为scikit-learn组提出一个问题。
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
