sklearn Bagging参数

文章来源：https://blog.csdn.net/genghaihua/article/details/81156228?utm_medium=distribute.pc_relevant_download.none-task-blog-baidujs-7.nonecase&depth_1-utm_source=distribute.pc_relevant_download.none-task-blog-baidujs-7.nonecase

base_estimator：Object or None。None代表默认是DecisionTree，Object可以指定基估计器（base estimator）。

n_estimators：int, optional (default=10) 。 要集成的基估计器的个数。

max_samples： int or float, optional (default=1.0)。决定从x_train抽取去训练基估计器的样本数量。int 代表抽取数量，float代表抽取比例

max_features : int or float, optional (default=1.0)。决定从x_train抽取去训练基估计器的特征数量。int 代表抽取数量，float代表抽取比例

bootstrap : boolean, optional (default=True) 决定样本子集的抽样方式（有放回和不放回）

bootstrap_features : boolean, optional (default=False)决定特征子集的抽样方式（有放回和不放回）

oob_score : bool 决定是否使用包外估计（out of bag estimate）泛化误差

warm_start : bool, optional (default=False) true代表

n_jobs : int, optional (default=1)

random_state : int, RandomState instance or None, optional (default=None)。如果int，random_state是随机数生成器使用的种子; 如果RandomState的实例，random_state是随机数生成器; 如果None，则随机数生成器是由np.random使用的RandomState实例。

verbose : int, optional (default=0)

属性介绍：

estimators_ : list of estimators。The collection of fitted sub-estimators.

estimators_samples_ : list of arrays

estimators_features_ : list of arrays

oob_score_ : float，使用包外估计这个训练数据集的得分。

oob_prediction_ : array of shape = [n_samples]。在训练集上用out-of-bag估计计算的预测。 如果n_estimator很小，则可能在抽样过程中数据点不会被忽略。 在这种情况下，oob_prediction_可能包含NaN。