单独拟合BaggingClassifier的每个估计器

有没有办法让我对BaggingClassifier的每个estimator进行逐一的partial_fit操作?类似于这样:

estim = BaggingClassifier(base_estimator=MLPClassifier(), n_estimators=33)for model in estim:    model.partial_fit(X, Y)

在我的实际代码中,每个estimatorpartial_fit操作将使用不同的数据进行。


回答:

在拟合BaggingClassifier后,您可以访问其估计器列表:clf.estimators_

使用常规的fit方法对它们进行拟合:

estim = BaggingClassifier(base_estimator=MLPClassifier(), n_estimators=33)for model in estim.estimators_:    model.fit(X, Y)

更多信息请参见文档

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注