python – Bagging分类器

概述在两类分类问题中,是否有任何方法可以选择在 Python中使用标准套袋分类器时要选择的正面和负面训练实例的数量？ logreg = BaggingClassifier(linear_model.LogisticRegression(C = 1e3),max_samples = 1,max_features = 1); 有时,Bagging算法只选择正样本,代码会产生运行时错误. 查看源代码( ht 在两类分类问题中,是否有任何方法可以选择在 Python中使用标准套袋分类器时要选择的正面和负面训练实例的数量？

logreg = BaggingClassifIEr(linear_model.LogisticRegression(C = 1e3),max_samples = 1,max_features = 1);

有时,Bagging算法只选择正样本,代码会产生运行时错误.

解决方法 查看源代码( https://github.com/scikit-learn/scikit-learn/blob/51a765a/sklearn/ensemble/bagging.py#L361)无法实现.

但我注意到你使用1(整数值)作为max_samples和max_features.使用此值表示Bagging每个估算器只应使用一个FEATURE.如果您希望它使用所有功能,您必须使用1.0.

也许这就是导致你麻烦的原因.

总结

以上是内存溢出为你收集整理的python – Bagging分类器全部内容，希望文章能够帮你解决python – Bagging分类器所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。