在装袋集成学习中,当max_sample=1.0时,设置bootstrap=True是否有意义?

在使用装袋集成技术时,如果我设置n_estimator=500max_sample=1.0,和bootstrap=True,那么这是否等同于设置n_estimator=500,和bootstrap=False?因为在两种情况下,预测器只会接收到500个训练实例的一个样本。假设训练实例的数量为500。


回答:

不,这是不等同的。

当你设置bootstrap=False时,你实际上是在说每个弱估计器都应该使用训练集中每个数据点训练一次。

当你设置bootstrap=True时,你是在进行有放回抽样,这意味着某些数据点可能会被使用多次,而另一些则可能不会被使用。max_samples只是用来确定从哪个数据分数中进行 bootstrapping 的方式。

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注