超级__str__没有被召唤

Question

我继承了从sklearn.ensemble导入的随机森林分类器，我试图打印我的新估计：

class my_rf(RandomForestClassifier):
    def __str__(self):
        return "foo_" + RandomForestClassifier.__str__(self) 

foo_my_rf代码

我还尝试：

class my_rf(RandomForestClassifier):
    def __str__(self):
        return "foo_" + super(RandomForestClassifier, self).__str__() 

与相同的结果。预期是类似于sk学默认行为的东西：

>>> a = RandomForestClassifier()
>>> print a
RandomForestClassifier(bootstrap=True, class_weight=None, criterion='gini',
        max_depth=None, max_features='auto', max_leaf_nodes=None,
        min_samples_leaf=1, min_samples_split=2,
        min_weight_fraction_leaf=0.0, n_estimators=10, n_jobs=1,
        oob_score=False, random_state=None, verbose=0,
        warm_start=False)
>>>

这也是我使用打印a.\uuu str\uuuu（）时的结果。

我错过了什么？谢谢。

与如何更改Python类的字符串表示有关？

Answer 1

在RandomForestClassifier中，和\uuuuuu str\uuuu查找从中调用它们的实例的类的名称（self）。您应该直接引用超类的名称。

更新这就是你如何获得你想要的输出，尽管我不明白，你为什么想要这样的东西。有一个原因，为什么R随机森林分类器的__str__和__repr__返回一个类的实际名称。这样，您可以ava来恢复对象。不管怎样，

In [1]: from sklearn.ensemble import RandomForestClassifier
In [2]: class my_rf(RandomForestClassifier):
    def __str__(self):
        superclass_name = RandomForestClassifier.__name__
        return "foo_" + superclass_name + "(" + RandomForestClassifier.__str__(self).split("(", 1)[1]

In [3]: forest = my_rf()
In [4]: print forest
foo_RandomForestClassifier(bootstrap=True, class_weight=None, criterion='gini', max_depth=None,
   max_features='auto', max_leaf_nodes=None, min_samples_leaf=1,
   min_samples_split=2, min_weight_fraction_leaf=0.0, n_estimators=10,
   n_jobs=1, oob_score=False, random_state=None, verbose=0,
   warm_start=False)

更新2：重写\uuuuu init\uuuu时，您不会得到任何参数，因为在超类\uuuu str\uuuuu和\uuuu repr\uuuu中实现了扫描传递给的参数列表。通过运行以下代码，您可以清楚地看到它：

In [5]: class my_rf(RandomForestClassifier):
    def __init__(self, *args, **kwargs):
        RandomForestClassifier.__init__(self, *args, **kwargs)
    def __str__(self):
        superclass_name = RandomForestClassifier.__name__
        return "foo_" + superclass_name + "(" + RandomForestClassifier.__str__(self).split("(", 1)[1]
In [6]: forest = my_rf()
In [7]: print forest
...
RuntimeError: scikit-learn estimators should always specify their parameters in the signature of their __init__ (no varargs). <class '__main__.my_rf'> with constructor (<self>, *args, **kwargs) doesn't  follow this convention.