0
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.
이 코드에서는 SVM과 함께 BaggingClassifier를 적용하려고합니다. 일반적으로 sckitlearn의 문서에서 설명한대로 max_samples
은 각 견적서에 사용할 최대 샘플 수를 수정합니다. 그러나 각 견적가 (n_estimators = 5)가 모든 데이터 집합을 사용한다고 말합니다. 그게 버그 야?BaggingClassifier는 매번 모든 데이터 집합을 가져옵니다.