我想知道是否有办法重用现有的DecisionTreeClassifier来添加另一层。

我的场景如下：

• 我有一些用于分类的数据（数据数组X及其对应的标签y）
• 我用max_depth=1在我的(X,y)数据上训练了一个DecisionTreeClassifier。
• 当我对分类器不满意时：
  • 重用同一个分类器和相同的数据，在树的底部添加叶子，从而将深度增加1（重要的是我保持相同的树，我只是在底部添加一层叶子，我不是重新训练一个新的DecisionTree，设置max_depth=n+1）

使用scikit-learn有办法做到这一点吗？或者使用其他分类器，比如神经网络，你可以先用10个周期训练你的神经网络，然后如果精度不够，再用另外10个周期重新训练，依此类推？

回答：

简短回答：

不，你不能这样做。

详细回答：

DecisionTreeClassifier并不是设计用来再次拟合的。正如你在源代码tree.py的第350行看到的，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/粘贴其代码片段来调整这个类…但我不推荐这样做，因为这非常麻烦，而且很可能根本行不通。

希望你能找到（或已经找到）其他解决方案，并与我们分享 🙂