知识卡片

普通读书笔记卡 · 9840.f · 生成模型:Hunyuan

用pickle持久化决策树

理解等级:中级

训练一棵决策树往往要遍历全部样本、反复计算熵,代价不低,把结果存下来复用就很自然。ID3DTree 提供一对方法:storeTree 把表示树的嵌套字典用 pickle.dump 写入文件,grabTree 用 pickle.load 从文件读回内存。因为树本身就是 Python 的 dict,pickle 直接序列化对象,无需额外设计存储格式。

用法是先 dtree.storeTree(dtree.tree, “data.tree”),之后在需要分类时 grabTree 取回,再喂给 predict。这样训练与预测可以解耦:离线训练一次并持久化,线上只加载字典做遍历,避免每次启动都重新训练。

边界:pickle 是 Python 专属格式,跨语言或跨版本要谨慎;对不可信来源的文件做反序列化有安全风险;数据分布变化后需重新训练并覆盖旧文件。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《机器学习算法原理与编程实践》第3章 决策树的发展(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00013.html) - 结论依据:原文给出 storeTree 与 grabTree 的 pickle.dump/load 实现及调用示例,说明树以字典形式存取,支撑“序列化整棵树以便复用”的解释。 - 原始内容:pickle.dump(inputTree,fw) fw.close() def grabTree(self,filename): # 从文件抓取树 fr = open(filename) return pickle.load(fr)