Scikit learn 随机森林分类器中的子样本大小
该文件的内容如下： 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，并使用平均值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），则使用替换来绘制样本 如果训练集大小X有n个实例，那么似乎为每个正在训练的决策树选取的每个子样本的大小都是n。现在，如果Bootstrap==True，那么样本将被替换，并且从统计上看，选择大量这样的样本似乎有一些好处Scikit learn 随机森林分类器中的子样本大小,scikit-learn,random-forest,Scikit Learn,Random Forest,该文件的内容如下： 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，并使用平均值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），则使用替换来绘制样本 如果训练集大小X有n个实例，那么似乎为每个正在训练的决策树选取的每个子样本的大小都是n。现在，如果Bootstrap==True，那么样本将被替换，并且从统计上看，选择大量这样的样本似乎有一些好处 但是，如果Bootstrap=False（在没有替换的情况下拾取样
但是，如果Bootstrap=False（在没有替换的情况下拾取样本），这意味着每个样本都与训练集相同？这是正确的解释吗？如果是这样，每棵树都会得到完全相同的样本？为什么这会被认为是一个整体呢？注意还有一个
max\u featuresmax\u features