Python dask_ml.ensemble.BlockwiseVotingRegressor用法及代码示例

用法: class dask_ml.ensemble.BlockwiseVotingRegressor(estimator)

分块训练和集成投票回归器。

该回归器在 Dask Arrays 或 DataFrames 的块/分区上进行训练。一个克隆版本的estimator会适合独立地在 Dask 集合的每个块或分区上。

预测是由学习模型的集合完成的。

警告

确保您的数据在训练之前充分洗牌！如果数据集的各个块/分区的值分布不相似，则回归器的结果会很差。

参数：

estimator：估计器

属性：

estimators_：回归器列表: 拟合 sub-estimators 的集合，这些 estimator 拟合在输入的每个分区/块上。

例子：

>>> import dask_ml.datasets
>>> import dask_ml.ensemble
>>> import sklearn.linear_model
>>> X, y = dask_ml.datasets.make_regression(n_samples=100_000,
...                                         chunks=10_000)
>>> subestimator = sklearn.linear_model.LinearRegression()
>>> clf = dask_ml.ensemble.BlockwiseVotingRegressor(
...     subestimator,
... )
>>> clf.fit(X, y)

相关用法

注：本文由纯净天空筛选整理自dask.org大神的英文原创作品 dask_ml.ensemble.BlockwiseVotingRegressor。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。