gbm我尝试在 R 和sklearnPython中使用梯度提升模型。但是，它们都不能提供模型的系数。对于gbm在 R 中，似乎可以获得树结构，但我找不到获取系数的方法。因为sklearn在 Python 中，我什至看不到树结构，更不用说系数了。谁能给我一些帮助？
在网上搜索了几个小时后，我仍然找不到答案。自 2009 年以来，我可以找到类似的问题，但没有答案。像下面这样：
GBM 包：提取系数（r-help 线程）
在生产中实现梯度增强回归树 - 数学描述学习模型（SO线程）
这让我怀疑 R 和 Python 是否主要由学术界人士使用，因此大多数用户并不关心如何在工业中使用它们。例如，如果你想在某个不运行 Python 的实时平台上实现结果，你会怎么做？
我在“工业”中使用 R。GBM 和其他基于树的方法没有“系数”，因此尝试提取它们是没有意义的。
您可以做的是将每棵树编码为 SQL 查询。这需要一点努力，但是一旦你可以为一棵树做这件事，你就可以遍历模型中的所有树，生成大约 500 个 SQL 查询，并使用它们在你选择的数据库上对你的模型进行评分。
假设您的其他平台与 PMML 兼容，则使用PMML将模型传输到其他平台。
对于 python，您可以使用 import _pickle as cPickle 将模型保存到 pickle 文件并从 pickle 文件中恢复模型。
存储模型的代码：
with open("gbmFit.pkl", "wb") as pickle_file:
cPickle.dump(model, pickle_file)
要恢复模型，可以使用以下代码：
with open('gbmFit.pkl', 'rb') as pickle_file:
gbmfit = cPickle.load(pickle_file)
y_pred_restore = gbmfit.predict(np.array(x1 + 1).reshape((-1, 1)))
现在您可以保存模型并保存以供以后实时使用。