实操指南:使用Python的sklearn.ensemble BaggingRegressor - 参数详解与示例
最编程
2024-07-23 17:02:09
...
- base_estimator:对象,默认=无
-
适合数据集随机子集的基本估计器。如果无,则基本估计量是 DecisionTreeRegressor 。
- n_estimators:int 默认=10
-
集成中基本估计器的数量。
- max_samples:int 或浮点数,默认=1.0
-
从 X 中抽取以训练每个基本估计器的样本数(默认情况下有替换,有关更多详细信息,请参阅
bootstrap
)。- 如果 int 则绘制
max_samples
样本。 - 如果浮点数,则绘制
max_samples * X.shape[0]
样本。
- 如果 int 则绘制
- max_features:int 或浮点数,默认=1.0
-
从 X 中提取以训练每个基本估计器的特征数量(默认情况下不替换,有关更多详细信息,请参阅
bootstrap_features
)。- 如果int 则绘制
max_features
特征。 - 如果浮点数,则绘制
max_features * X.shape[1]
特征。
- 如果int 则绘制
- bootstrap:布尔,默认=真
-
是否有放回抽取样本。如果为 False,则执行无放回抽样。
- bootstrap_features:布尔,默认=假
-
是否使用替换绘制特征。
- oob_score:布尔,默认=假
-
是否使用out-of-bag 个样本来估计泛化误差。仅当 bootstrap=True 时可用。
- warm_start:布尔,默认=假
-
当设置为 True 时,重用上一次调用的解决方案来拟合并将更多的估计器添加到集成中,否则,只需拟合一个全新的集成。请参阅词汇表。
- n_jobs:int 默认=无
-
fit 和 predict 并行运行的作业数。
None
表示 1,除非在 joblib.parallel_backend 上下文中。-1
表示使用所有处理器。有关详细信息,请参阅词汇表。 - random_state:int RandomState 实例或无,默认=无
-
控制原始数据集的随机重采样(样本和特征)。如果基本估计器接受
random_state
属性,则会为集成中的每个实例生成不同的种子。传递 int 以获得跨多个函数调用的可重现输出。请参阅词汇表。 - verbose:int 默认=0
-
控制拟合和预测时的详细程度。