python bootstrap抽样_scikit learn python中bootstrap=False的随机林

根据这个定义[1]

随机森林是一种元估计器，它在数据集的不同子样本上拟合多个决策树分类器，并使用平均来提高预测精度和对拟合的控制。子样本大小始终与原始输入样本大小相同，但如果bootstrap=True(默认)，则使用替换方法绘制样本。

注：子样本大小始终相同

但如果bootstrap=True(默认)，则使用替换方法绘制样本。

所以

Bootstrap=True(默认)：使用替换项绘制示例

Bootstrap=False:不替换地抽取样本

[2]在不更换样本的情况下，每一个样本单元的样本中只有一个可供选择的机会。例如，如果抽取一个简单的随机样本，使得样本中没有任何单位出现超过一次，则抽取样本时不需要替换。

从视觉上你可以想象，从一袋球(样本)中，你选择M

那就是你的1号子集，有M个球。

现在，如果你在为你的子集2取另一个M之前把球放进袋子里，那么你就要“用替换来画”(bootstrap=True)

但是，如果你把子集1放在一边，从你的子集2的袋子里再捡一个M球，那么子集1中的球都不能在子集2(或任何其他子集)中，因为你“不替换地画”(bootstrap=False)