在 bagging 集成学习的情况下，当 max_sample=1.0 时， bootstrap=True 有什么意义吗？答案

【问题标题】：Is there any meaning of having bootstrap=True, when max_sample=1.0 in case of bagging ensemble learning?在 bagging 集成学习的情况下，当 max_sample=1.0 时， bootstrap=True 有什么意义吗？
【发布时间】：2020-04-02 15:55:18
【问题描述】：

在 bagging ensemble 技术中，如果我使用 n_estimator=500、max_sample=1.0 和 bootstrap=True，那么它是否不等于 n_estimator=500 和 bootstrap=False，因为在这两种情况下，只有一个 500 个训练实例的样本会给我们的预测器？假设训练实例数=500。

【问题讨论】：

假设总实例数也=500？

标签： machine-learning artificial-intelligence data-science ensemble-learning

【解决方案1】：

不，不等价。

当您指定bootstrap=False 时，您基本上是在说每个弱估计器都应该使用训练集中的每个数据点只训练一次。

当您指定bootstrap=True 时，您正在使用替换绘图，这意味着某些数据点可能会被多次使用，而另一些则不会。 max_samples 只是一种确定可以引导的数据部分的方法。

【讨论】：