Python3入门机器学习之11.3 oob(Out-of-Bag)和关于Bagging的更多讨论

Python3入门机器学习

11.3 oob(Out-of-Bag)和关于Bagging的更多讨论

1.oob:
在这里插入图片描述
对应的代码:oob_score=True
从而知道哪些样本没有被取到而被用作测试数据集。

2.关于Bagging的更多讨论:

  • Bagging的思路极易并行化处理。
    因为是独立的训练若干子模型,所以可以很方便的进行并行处理。scikit-learn中可以传入参数“n_jobs”来完成并行处理。
  • 针对特征进行随机取样:Random Subspaces。
  • 既针对样本,又针对特征进行随机采样:Random Patches。
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值