bertsimas论文最优分类树的python实现。
pyoptree的Python项目详细描述
#pyoptree
python最优树
用户需要在其计算机上安装**ibm cplex**或**gurobi**并确保**可执行文件已添加到path环境变量**（即命令'cplex'或'gurobi'可以在终端上运行）。
``python
pyoptree.optree导入optimhypertreemodel，optimtreemodel
data=pd.dataframe（{
“index”：“a”，“c”，“d”，“e”，“e”，“f”]，
“x1”：[1，2，2，2，2，3]，
“x2”：[1，2，c”，“c”，“d”，“e”，“e”，“f”]，
“x1”：[1，2，2，2，2，3]，
“x2”：[1，2，1，1，1，0，0，0，1]，
“y”：[1,1,1，[1，1个，-
}
1、1、2、2、3、3]，
“x2”：[1、1、1、2、2、2、2、3、3]，
“x2”：[1、2、2、2、2、1、1、1、1、2、1、1、1、1、-1、-1、-1、-1、-1、-1、1、1、1、1、0、1、0、1、0、1、0、1、0、1、0、1、1、1、1、1、1、1、1、1、1、1、1、1、1、1、1、1、1、1、1、1、1、1 n_min=1，α=0.1，solver_name=“cplex”）
model.train（data）
打印（model.predict（test_data））
`````
todos
1。使用上一个深度树的解作为“热启动”来加速求解混合整数线性规划（milp）；（done√）
2的时间。使用Sklearn购物车中的溶液给出一个好的初始溶液（完成√）；
python最优树
用户需要在其计算机上安装**ibm cplex**或**gurobi**并确保**可执行文件已添加到path环境变量**（即命令'cplex'或'gurobi'可以在终端上运行）。
``python
pyoptree.optree导入optimhypertreemodel，optimtreemodel
data=pd.dataframe（{
“index”：“a”，“c”，“d”，“e”，“e”，“f”]，
“x1”：[1，2，2，2，2，3]，
“x2”：[1，2，c”，“c”，“d”，“e”，“e”，“f”]，
“x1”：[1，2，2，2，2，3]，
“x2”：[1，2，1，1，1，0，0，0，1]，
“y”：[1,1,1，[1，1个，-
}
1、1、2、2、3、3]，
“x2”：[1、1、1、2、2、2、2、3、3]，
“x2”：[1、2、2、2、2、1、1、1、1、2、1、1、1、1、-1、-1、-1、-1、-1、-1、1、1、1、1、0、1、0、1、0、1、0、1、0、1、0、1、1、1、1、1、1、1、1、1、1、1、1、1、1、1、1、1、1、1、1、1、1、1 n_min=1，α=0.1，solver_name=“cplex”）
model.train（data）
打印（model.predict（test_data））
`````
todos
1。使用上一个深度树的解作为“热启动”来加速求解混合整数线性规划（milp）；（done√）
2的时间。使用Sklearn购物车中的溶液给出一个好的初始溶液（完成√）；
欢迎加入QQ群-->： 979659372
