如何寻找支持自定义损失函数的遗传决策树Python包？

目前没有专门针对「支持自定义损失的遗传决策树」的成熟Python专属包，以下是可直接使用的替代工具，以及从零搭建的常用依赖：

可直接适配需求的现有工具 #

• gplearn：主打符号进化的库，底层采用树状进化结构，原生支持传入自定义metric作为评估指标（即自定义损失），可通过修改其内置的节点规则，快速改造为遗传决策树实现，开发成本最低。
• geppy：轻量级遗传编程框架，支持自定义树节点类型、适应度评估函数，你可以直接将决策树的分裂规则、叶子节点输出作为节点定义，将自定义损失作为适应度函数，即可快速实现符合要求的遗传决策树。

从零搭建的常用依赖包 #

如果以上工具不能满足你的定制化需求，可以搭配以下工具从零开发：

• 进化算法核心：DEAP，是目前Python生态最灵活的进化算法实现，内置遗传算法的选择、交叉、变异等标准算子，你可以自定义个体结构为决策树结构，完全自定义迭代逻辑，自由度最高。
• 决策树基础能力：scikit-learn，可直接复用其内置的决策树分裂逻辑、数据预处理、评估工具，不需要重写决策树相关的基础功能，只需要对接DEAP的种群迭代逻辑即可。
• 性能加速：numpy/numba，种群迭代过程中涉及大量损失计算、树遍历操作，用numpy做向量化计算可大幅提升效率，热点逻辑可通过numba的@jit装饰器做即时编译加速，避免大规模种群迭代时性能过差。

如果涉及复杂可微损失，也可以用jax替代numpy，同时获得自动微分能力和GPU加速支持。

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