我正在嘗試擴(kuò)展 sklearn 中的Splitter類，它與 sklearn 的決策樹類一起使用。更具體地說，我想feature_weights在新類中添加一個(gè)變量，這將通過根據(jù)特征權(quán)重按比例改變純度計(jì)算來影響最佳分割點(diǎn)的確定。新類幾乎是 sklearnBestSplitter類 ( https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/tree/_splitter.pyx ) 的精確副本，只有微小的變化。這是我到目前為止所擁有的：cdef class WeightedBestSplitter(WeightedBaseDenseSplitter):    cdef object feature_weights # new variable - 1D array of feature weights    def __reduce__(self):        # same as sklearn BestSplitter (basically)    # NEW METHOD    def set_weights(self, object feature_weights):         feature_weights = np.asfortranarray(feature_weights, dtype=DTYPE)        self.feature_weights = feature_weights      cdef int node_split(self, double impurity, SplitRecord* split,                        SIZE_t* n_constant_features) nogil except -1:        # .... same as sklearn BestSplitter ....        current_proxy_improvement = self.criterion.proxy_impurity_improvement()        current_proxy_improvement *= self.feature_weights[<int>(current.feature)]  # new line        # .... same as sklearn BestSplitter ....關(guān)于上面的一些注意事項(xiàng)：我正在使用object變量類型，np.asfortranarray因?yàn)檫@是變量X在其他地方定義和設(shè)置的方式，并且X像我試圖索引一樣被索引feature_weights。此外，每個(gè)文件custom.feature都有一個(gè)變量類型（ https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/tree/_splitter.pxd）。SIZE_t_splitter.pxd該問題似乎是由self.feature_weights. 上面的代碼拋出多個(gè)錯(cuò)誤，但即使嘗試引用類似的東西self.feature_weights[0]并將其設(shè)置為另一個(gè)變量也會(huì)拋出錯(cuò)誤：Indexing Python object not allowed without gil我想知道我需要做什么才能索引self.feature_weights標(biāo)量值并將其用作乘數(shù)。