from sklearn.ensemble import AdaBoostClassifier, BaggingClassifier, RandomForestClassifierimport numpy as npimport randomfrom sklearn.svm import SVCX=np.random.rand(1000,2)Y=[random.randint(0,1) for x in range(0,1000)]svm=BaggingClassifier(SVC(kernel='rbf', random_state=123, gamma=.000001, C=100000, class_weight='balanced'), max_samples=1/5.0, n_estimators=5, n_jobs=-1,random_state=123)classfier=svm.fit(X,Y)print(len(svm.estimators_samples_))print(len(svm.estimators_samples_[0]))# here I expect 0.05*400 samples. but the result is 1000.

在这段代码中，我尝试将BaggingClassifier与SVM结合使用。通常，根据scikit-learn文档的描述，max_samples参数应限制每个估计器使用的样本最大数量。然而，我发现每个估计器（n_estimators=5）都使用了整个数据集！这是一个bug吗？

回答：

svm.estimators_samples_[0] 将返回一个与数据长度相等的数组。这个数组填充了布尔值，这些值为True的对应于在估计器中使用的那些数据点（以索引值表示）。

from sklearn.ensemble import AdaBoostClassifier, BaggingClassifier, RandomForestClassifierimport numpy as npimport randomfrom sklearn.svm import SVCX=np.random.rand(1000,2)Y=[random.randint(0,1) for x in range(0,1000)]svm=BaggingClassifier(SVC(kernel='rbf', random_state=123, gamma=.000001, C=100000, class_weight='balanced'), max_samples=1/5.0, n_estimators=5, n_jobs=-1,random_state=123)classfier=svm.fit(X,Y)print(len([i for i in svm.estimators_samples_[0] if i == True]))

运行上述代码得到的结果是：

181