Scikit learn BaggingClassifier能否在Sklearn中手动定义多个基估计量?
我试图使用Sklearn中的BaggingClassifier来定义多个基估计量。根据我的理解,有些东西可能与此类似Scikit learn BaggingClassifier能否在Sklearn中手动定义多个基估计量?,scikit-learn,classification,Scikit Learn,Classification,我试图使用Sklearn中的BaggingClassifier来定义多个基估计量。根据我的理解,有些东西可能与此类似 clf = BaggingClassifier(base_estimator=[SVC(), DecisionTreeClassifier()], n_estimators=3, random_state=0) 但是这里的BaggingClassifier并没有将列表作为它的基本估计量。 我假设我可以切换到StackingRegressor(estimators=)手动定义多个
clf = BaggingClassifier(base_estimator=[SVC(), DecisionTreeClassifier()], n_estimators=3, random_state=0)
但是这里的BaggingClassifier并没有将列表作为它的基本估计量。
我假设我可以切换到StackingRegressor(estimators=)
手动定义多个估计器。但列出100个估计量将是一件痛苦的事情,更不用说会有许多基本估计量的排列和组合。
您能帮助我理解如何在sklearn.BaggingClassifier中定义多个基本估计量吗?您只能将一个估计量传递给
基本估计量。BaggingBlassifier
背后的整个思想是在训练数据的随机样本上训练one模型,以减少其方差
如果您需要两个或多个估计器,每个估计器都在随机数据子集上训练,我建议两个不同的选项:
从两个单独的打包分类器创建您自己的投票流程
训练两个不同的BaggingClassifier
,并将其传递给sklearn.essemble.StackingClassifier
您是否需要bagging应用的子采样,或者简单地组合多个分类器的输出就足够了?如果是后者,一个乐团会做一些更接近这一点的事情。