提高sklearn中的随机森林回归器的性能

有一个优化问题，我必须调用随机森林回归器的预测函数数千次。

from sklearn.ensemble import RandomForestRegressor
rfr = RandomForestRegressor(n_estimators=10)
rfr = rfr.fit(X, Y)
for iteration in range(0, 100000):
    # code that adapts the input data according to fitness of the last output
    output_data = rfr.predict(input_data)
    # code that evaluates the fitness of output data

在这种情况下，有没有办法提高预测功能的速度？可能通过使用Cython？

您可以使用SKompiler（https://github.com/konstantint/SKompiler）将其转换为C或C ++代码，然后在此处运行。

from skompiler import skompile
expr = skompile(rfr.predict)
with open("output.cpp", "w") as text_file: print(expr.to('sympy/cxx'), file=text_file)