Python sklearn BaggingClassifier用法及代码示例

本文简要介绍python语言中 sklearn.ensemble.BaggingClassifier 的用法。

用法:

class sklearn.ensemble.BaggingClassifier(base_estimator=None, n_estimators=10, *, max_samples=1.0, max_features=1.0, bootstrap=True, bootstrap_features=False, oob_score=False, warm_start=False, n_jobs=None, random_state=None, verbose=0)

Bagging 分类器。

Bagging 分类器是一个集合meta-estimator，它将每个基分类器拟合到原始数据集的随机子集上，然后聚合它们各自的预测(通过投票或通过平均)以形成最终预测。这样的meta-estimator 通常可以用作减少black-box 估计器(例如决策树)方差的方法，方法是在其构造过程中引入随机化，然后对其进行集成。

该算法包含文献中的几部作品。当数据集的随机子集被抽取为样本的随机子集时，该算法称为粘贴[1]。如果通过放回抽取样本，则该方法称为 Bagging [2]。当数据集的随机子集被绘制为特征的随机子集时，该方法称为随机子空间[3]。最后，当基础估计量建立在样本和特征的子集上时，该方法称为随机补丁 [4]。

在用户指南中阅读更多信息。

参数：

base_estimator：对象，默认=无

适合数据集随机子集的基本估计器。如果无，则基本估计量是 DecisionTreeClassifier 。

n_estimators：整数，默认=10

集成中基本估计器的数量。

max_samples：int 或浮点数，默认=1.0

从 X 中抽取以训练每个基本估计器的样本数(默认情况下有替换，有关更多详细信息，请参阅bootstrap)。

• 如果是 int，则绘制 max_samples 样本。
• 如果浮点数，则绘制 max_samples * X.shape[0] 样本。

max_features：int 或浮点数，默认=1.0

从 X 中提取以训练每个基本估计器的特征数量(默认情况下不替换，有关更多详细信息，请参阅bootstrap_features)。

• 如果是 int，则绘制 max_features 特征。
• 如果浮点数，则绘制max_features * X.shape[1] 特征。

bootstrap：布尔，默认=真

是否有放回抽取样本。如果为 False，则执行无放回抽样。

bootstrap_features：布尔，默认=假

是否使用替换绘制特征。

oob_score：布尔，默认=假

是否使用out-of-bag 个样本来估计泛化误差。仅当 bootstrap=True 时可用。

warm_start：布尔，默认=假

当设置为 True 时，重用上一次调用的解决方案来拟合并将更多的估计器添加到集成中，否则，只需拟合一个全新的集成。请参阅词汇表。

n_jobs：整数，默认=无

fit 和 predict 并行运行的作业数。 None 表示 1，除非在 joblib.parallel_backend 上下文中。 -1 表示使用所有处理器。有关更多详细信息，请参阅术语表。

random_state：int、RandomState 实例或无，默认=无

控制原始数据集的随机重采样(样本和特征)。如果基本估计器接受random_state 属性，则会为集成中的每个实例生成不同的种子。传递 int 以获得跨多个函数调用的可重现输出。请参阅词汇表。

verbose：整数，默认=0

控制拟合和预测时的详细程度。

属性：

base_estimator_：估计器

生成集成的基本估计量。

n_features_int

已弃用：属性 n_features_ 在版本 1.0 中已弃用，并将在 1.2 中删除。

n_features_in_：int

拟合期间看到的特征数。

feature_names_in_：ndarray 形状(n_features_in_，)

拟合期间看到的特征名称。仅当 X 具有全为字符串的函数名称时才定义。

estimators_：估算器列表

拟合基础估计器的集合。

estimators_samples_数组列表

每个基本估计器的抽取样本的子集。

estimators_features_：数组列表

每个基本估计器的绘制特征的子集。

classes_：ndarray 形状 (n_classes,)

类标签。

n_classes_：int 或列表

类的数量。

oob_score_：浮点数

使用out-of-bag 估计获得的训练数据集的分数。此属性仅在oob_score 为 True 时存在。

oob_decision_function_：ndarray 形状(n_samples，n_classes)

使用 out-of-bag 估计训练集计算的决策函数。如果 n_estimators 很小，则可能在引导期间从未遗漏数据点。在这种情况下，oob_decision_function_ 可能包含 NaN。此属性仅在oob_score 为 True 时存在。

参考：

1

L. Breiman，“在大型数据库和on-line 中为分类粘贴小票”，机器学习，36(1), 85-103, 1999。

2

L. Breiman，“Bagging predictors”，机器学习，24(2), 123-140, 1996。

3

T. Ho，“构建决策森林的随机子空间方法”，模式分析和机器智能，20(8)，832-844，1998。

4

G. Louppe 和 P. Geurts，“随机补丁上的集合”，数据库中的机器学习和知识发现，346-361，2012。

例子：

>>> from sklearn.svm import SVC
>>> from sklearn.ensemble import BaggingClassifier
>>> from sklearn.datasets import make_classification
>>> X, y = make_classification(n_samples=100, n_features=4,
...                            n_informative=2, n_redundant=0,
...                            random_state=0, shuffle=False)
>>> clf = BaggingClassifier(base_estimator=SVC(),
...                         n_estimators=10, random_state=0).fit(X, y)
>>> clf.predict([[0, 0, 0, 0]])
array([1])