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

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