如何自定义继承Sklearn RandomForestRegressor的类？解决继承报错

错误原因 #

你当前代码的核心问题是继承了RandomForestRegressor的实例对象clf，而非类本身。Python中类继承必须以类作为父类，不能用已经实例化的对象，这直接导致了后续初始化时的类型错误和参数传递混乱。

正确实现方式 #

下面是符合需求的代码，既保留原类全部功能，又能添加自定义方法：

from sklearn import ensemble

class CustomRandomForestRegressor(ensemble.RandomForestRegressor):
    def __init__(self, **kwargs):
        # 调用父类初始化，保留所有原类参数
        super().__init__(**kwargs)
    
    def inSampleAccuracy(self):
        # 可根据实际需求实现准确率计算逻辑，示例仅打印提示
        print("样本内准确率已计算")

# 测试：可传入原类支持的所有参数
testModel = CustomRandomForestRegressor(max_depth=None)
# 调用自定义方法
testModel.inSampleAccuracy()
# 调用原类方法，比如拟合数据（示例）
# testModel.fit(X_train, y_train)

关键说明 #

• 继承目标必须是ensemble.RandomForestRegressor类，而非它的实例。
• 使用super().__init__(**kwargs)可以完整继承父类的所有初始化参数，确保原类的所有功能都能正常使用。
• 自定义方法可自由添加，不会影响原类的任何功能。

内容的提问来源于stack exchange，提问作者Alex Plastow