machine-learning - BaggingClassifier 每次都会获取所有数据集

Question

from sklearn.ensemble import AdaBoostClassifier, BaggingClassifier, RandomForestClassifier
import numpy as np
import random
from sklearn.svm import SVC

X=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.

在此代码中，我尝试将 BaggingClassifier 与 SVM 一起应用。通常，如 sckitlearn 文档中所述，max_samples 固定每个估计器要使用的最大样本数。然而，我注意到每个估计器(n_estimators=5)都会获取所有数据集!这是一个错误吗？

Answer 1

svm.estimators_samples_[0] 将返回一个等于数据长度的数组。该数组填充了 bool 值，这些等于 True 的值是估计器中使用的数据点(就索引值而言)。

from sklearn.ensemble import AdaBoostClassifier, BaggingClassifier, RandomForestClassifier
import numpy as np
import random
from sklearn.svm import SVC

X=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]))

运行上面的代码我得到:

181