Machine learning 在bagging集成学习中,当max_sample=1.0时,bootstrap=True有什么意义吗?
在bagging集成技术中,如果我使用Machine learning 在bagging集成学习中,当max_sample=1.0时,bootstrap=True有什么意义吗?,machine-learning,artificial-intelligence,data-science,ensemble-learning,Machine Learning,Artificial Intelligence,Data Science,Ensemble Learning,在bagging集成技术中,如果我使用n_估计器=500,max_sample=1.0,以及bootstrap=True,那么它是否不等同于n_估计器=500,以及bootstrap=False,因为在这两种情况下,只有500个训练实例中的一个样本会提供给我们的预测者?假设培训实例数=500 不,它不是等效的 当您指定bootstrap=False时,您基本上是说每个弱估计量都应该使用训练集中的每个数据点进行一次训练 当您指定bootstrap=True时,您正在使用替换进行绘图,这意味着某些数
n_估计器=500
,max_sample=1.0
,以及bootstrap=True
,那么它是否不等同于n_估计器=500
,以及bootstrap=False
,因为在这两种情况下,只有500个训练实例中的一个样本会提供给我们的预测者?假设培训实例数=500 不,它不是等效的
当您指定bootstrap=False
时,您基本上是说每个弱估计量都应该使用训练集中的每个数据点进行一次训练
当您指定
bootstrap=True
时,您正在使用替换进行绘图,这意味着某些数据点可能会被多次使用,而其他数据点可能不会被多次使用max_samples
只是一种确定可以从哪些数据部分中引导的方法。假设总实例数也为500?