本站原创文章，转载请说明来自《老饼讲解-机器学习》www.bbbdata.com
在训练好决策树后，我们需要布署到生产上进行预测
本文讲解如何将sklarn的决策树规则提取并布署到生产上
本节讲解如何将sklearn的决策树布署到生产环境
将sklearn的决策树布署到生产环境的方法
在sklearn中将决策树模型建好之后，要提取决策树规则布署到生产
由于生产环境可能是JAVA环境或其它，往往不能直接调用sklearn的模型对象(或调用很麻烦)
因此，需要先将决策树规则提取出来，再布署到生产
一个比较通用的布署方案如下：
一般是采用数据与代码分离的方案，
即只提取数据，在生产环境写出通用预测代码， 需要布署新的模型只需替换数据即
即如下两步：
1. 提取出决策树的模型数据
2. 编写一个生产环境上的预测函数
一般不弄成一系列的if else，写死代码不便于更换模型
提取决策树模型数据
下面是老饼编写的get_tree函数，可以将树数据提取成字典
具体代码如下：
from sklearn import tree
import numpy as np
def get_tree(sk_tree):
#--------------拷贝sklearn树模型关键信息--------------------
children_left = sk_tree.tree_.children_left.copy() # 左节点编号
children_right = sk_tree.tree_.children_right.copy() # 右节点编号
feature = sk_tree.tree_.feature.copy() # 分割的变量
threshold = sk_tree.tree_.threshold.copy() # 分割阈值
impurity = sk_tree.tree_.impurity.copy() # 不纯度(gini)
n_node_samples = sk_tree.tree_.n_node_samples.copy() # 样本个数
value = sk_tree.tree_.value.copy() # 样本分布
n_sample = value[0].sum() # 总样本个数
node_num = len(children_left) # 节点个数
depth = sk_tree.get_depth()
# ------------补充节点父节点信息---------------------------
parent = np.zeros(node_num).astype(int)
parent[0] = -1
branch_idx = np.where(children_left!=-1)[0]
for i in branch_idx:
parent[children_left[i]] = i
parent[children_right[i]]= i
#-------------存成字典-----------------------------------------
tree = {
'children_left':children_left
,'children_right':children_right
,'feature':feature
,'threshold':threshold
,'impurity':impurity
,'n_node_samples':n_node_samples
,'value':value
,'depth':depth
,'n_sample':n_sample
,'node_num':node_num
,'parent':parent
}
return tree将sklearn训练好的决策树模型传入get_tree函数，
get_tree函数将其中的决策树模型信息单独提取出来，返回字典对象
自己再根据生产上的使用语言需要，转成对应的数据文件，之后在生产上把数据文件加载成生产语言的数据对象
get_tree函数的使用可以参考后面《准确性测试》中的代码
决策树-预测函数(生产环境)
在生产上编写一个tree_predict 函数,需要预测时就调用tree_predict进行预测
以下是python的一个Demo（其它语言类似以下逻辑）：
import numpy as np
def tree_predict(tree,x):
node_idx = 0
t = 0
while(t<tree['depth']):
if(x[tree['feature'][node_idx]]<=tree['threshold'][node_idx]):
node_idx = tree['children_left'][node_idx]
else:
node_idx = tree['children_right'][node_idx]
if(tree['children_left'][node_idx]==-1):
value =tree['value'][node_idx][0]
pred_class = np.argmax(value)
pred_prob = value/value.sum()
return pred_class,pred_prob
t =t+1
本节验证上述布署方法与直接调用sklearn的预测结果是一致的
决策树布署-准确性测试
下面我们编写代码，测试用 以上get_tree和tree_predict方式的预测结果
与sklearn原模型给出的结果是否一致
具体测试代码如下：
from sklearn.datasets import load_iris
from sklearn import tree
import numpy as np
from get_tree import get_tree
from tree_pred import tree_predict
#----------------数据准备----------------------------
iris = load_iris() # 加载数据
X = iris.data
y = iris.target
#---------------模型训练----------------------------------
clf = tree.DecisionTreeClassifier() # sk-learn的决策树模型
clf = clf.fit(X, y) # 用数据训练树模型构建()
#--------------将树提取成简单的字典--------------------------------
tree = get_tree(clf)
#-------------------------
#将tree持久化到服务器，服务器中用tree_predict进行预测即可
#-------------------------
#------------测试函数的准确性-----------------------------
self_pred_y = np.zeros(len(y))
self_pred_prob = np.zeros((len(y),len(tree['value'][0][0])))
for i in range(X.shape[0]):
pred_class,pred_prob = tree_predict(tree,X[i])
self_pred_y[i] = pred_class
self_pred_prob[i] = pred_prob
pred_y = clf.predict(X)
pred_prob = clf.predict_proba(X)
print("与sklearn预测结果差异个数(类别)：",np.sum(pred_y != self_pred_y))
print("与sklearn预测结果差异个数(概率)：",np.sum(pred_prob != self_pred_prob))运行结果如下：
可以看到，自写函数与sklearn模型的预测结果是一致的
这就是如何将sklearn的决策树布署到生产的方法了~
End
