BaggingClassifier 每次获取所有数据集答案

【问题标题】：BaggingClassifier take all dataset each timeBaggingClassifier 每次获取所有数据集
【发布时间】：2018-06-04 10:13:29
【问题描述】：

from sklearn.ensemble import AdaBoostClassifier, BaggingClassifier, RandomForestClassifier
import numpy as np
import random
from sklearn.svm import SVC

X=np.random.rand(1000,2)
Y=[random.randint(0,1) for x in range(0,1000)]

svm=BaggingClassifier(SVC(kernel='rbf', random_state=123, gamma=.000001, C=100000, class_weight='balanced'), max_samples=1/5.0, n_estimators=5, n_jobs=-1,random_state=123)

classfier=svm.fit(X,Y)

print(len(svm.estimators_samples_))
print(len(svm.estimators_samples_[0]))# here I expect 0.05*400 samples. but the result is 1000.

在这段代码中，我尝试将 BaggingClassifier 与 SVM 一起应用。通常如 sckitlearn 的文档中所讨论的，max_samples 修复了每个估计器要使用的最大样本数。但是，我注意到每个估计器（n_estimators=5）都会占用所有数据集！！！是bug吗？

【问题讨论】：

标签： machine-learning scikit-learn classification svm python-3.5

【解决方案1】：

svm.estimators_samples_[0] 将返回一个等于数据长度的数组。该数组填充了布尔值，等于True 的值是估计器中使用的数据点（就索引值而言）。

from sklearn.ensemble import AdaBoostClassifier, BaggingClassifier, RandomForestClassifier
import numpy as np
import random
from sklearn.svm import SVC

X=np.random.rand(1000,2)
Y=[random.randint(0,1) for x in range(0,1000)]

svm=BaggingClassifier(SVC(kernel='rbf', random_state=123, gamma=.000001, C=100000, class_weight='balanced'), max_samples=1/5.0, n_estimators=5, n_jobs=-1,random_state=123)

classfier=svm.fit(X,Y)

print(len([i for i in svm.estimators_samples_[0] if i == True]))

运行上面的代码我得到：

【讨论】：