Py之rgf_python：rgf_python的简介、安装、使用方法之详细攻略

目录

rgf_python的简介

rgf_python的安装

rgf_python的使用方法

1、基础用法

rgf_python的简介

        rgf_python是一款基于Python机器学习算法正则化贪婪森林(RGF)的包装。它的特点如下所示：
(1)、Scikit-learn接口及其用于多类分类问题的可能性。
(2)、rgf_python包含了论文[1]和FastRGF实现中的原始RGF。
(3)、FastRGF是为大型(和稀疏)数据集而开发的，因此在小型数据集上，它通常表现出与vanilla RGF相比较差的性能。
(4)、最初的RGF实现仅可用于回归和二进制分类，但rgf_python也可用于通过“One-vs-Rest”方法进行多类分类。

GitHub地址：
GitHub - RGF-team/rgf: Home repository for the Regularized Greedy Forest (RGF) library. It includes original implementation from the paper and multithreaded one written in C++, along with varous language-specific wrappers.

rgf_python的安装

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple rgf_python
pip install rgf_python

rgf_python的使用方法

1、基础用法

from sklearn import datasets
from sklearn.utils.validation import check_random_state
from sklearn.model_selection import StratifiedKFold, cross_val_score
from rgf.sklearn import RGFClassifier

iris = datasets.load_iris()
rng = check_random_state(0)
perm = rng.permutation(iris.target.size)
iris.data = iris.data[perm]
iris.target = iris.target[perm]

rgf = RGFClassifier(max_leaf=400,
                    algorithm="RGF_Sib",
                    test_interval=100,
                    verbose=True)

n_folds = 3

rgf_scores = cross_val_score(rgf,
                             iris.data,
                             iris.target,
                             cv=StratifiedKFold(n_folds))

rgf_score = sum(rgf_scores)/n_folds
print('RGF Classifier score: {0:.5f}'.format(rgf_score))