EL之Bagging(DTR)：利用DIY數據集(預留30%數據+兩種樹深)訓練Bagging算法(DTR)

?

?

目錄

輸出結果

設計思路

核心代碼

---

?

?

輸出結果

1、treeDepth=1

2、treeDepth=5

?

設計思路

?

核心代碼

for iTrees in range(numTreesMax):idxBag = []for i in range(nBagSamples):idxBag.append(random.choice(range(len(xTrain))))xTrainBag = [xTrain[i] for i in idxBag]yTrainBag = [yTrain[i] for i in idxBag]modelList.append(DecisionTreeRegressor(max_depth=treeDepth))modelList[-1].fit(xTrainBag, yTrainBag)latestPrediction = modelList[-1].predict(xTest)predList.append(list(latestPrediction))

?

?

?

?

?

?

總結

以上是生活随笔為你收集整理的EL之Bagging(DTR)：利用DIY数据集(预留30%数据+两种树深)训练Bagging算法(DTR)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。