我正在使用决策树桩和BaggingClassifier来对一些数据进行分类：

def fit_ensemble(attributes,class_val,n_estimators):    # 最大深度为1
    decisionStump = DecisionTreeClassifier(criterion = 'entropy', max_depth = 1)
    ensemble = BaggingClassifier(base_estimator = decisionStump, n_estimators = n_estimators, verbose = 3)
    return ensemble.fit(attributes,class_val)
def predict_all(fitted_classifier, instances):
    for i, instance in enumerate(instances):
        instances[i] = fitted_classifier.predict([instances[i]])
    return list(itertools.chain(*instances))
def main(filename, n_estimators):
    df_ = read_csv(filename)
    col_names = df_.columns.values.tolist()
    attributes = col_names[0:-1] ## 0..n-1
    class_val = col_names[-1] ## n
    fitted = fit_ensemble(df_[attributes].values, df_[class_val].values, n_estimators)
    fitted_classifiers = fitted.estimators_ # 获取三个决策树桩。
    compared_ = DataFrame(index = range(0,len(df_.index)), columns = range(0,n_estimators + 1))
    compared_ = compared_.fillna(0)
    compared_.ix[:,n_estimators] = df_[class_val].values
    for i, fitted_classifier in enumerate(fitted_classifiers):
        compared_.ix[:,i] =  predict_all(fitted_classifier,df_[attributes].values)

我想检查用于训练每个决策树桩的随机子集。我查看了集成和决策树类的文档，但没有找到任何属性或方法可以显示训练子集。这是一项徒劳的任务吗？还是在树训练时，有什么方法可以输出训练子集？

我对pandas很陌生，但我来自R的背景。我的代码肯定没有优化，尽管我可以保证我的任务的数据集非常小。谢谢你的帮助。

回答：

看起来我已经自己回答了这个问题。DecisionTreeClassifier的estimators_samples_属性正是我想要的。