python - 使用 sklearn bagging 分类器预测连续值

Question

我可以使用 sklearnBaggingClassifier生成连续预测吗？有没有类似的包？我的理解是 bagging 分类器用不同的模型预测几个分类，然后报告大多数答案。似乎该算法可用于为每个分类生成概率函数，然后报告平均值。

trees = BaggingClassifier(ExtraTreesClassifier())
trees.fit(X_train,Y_train)
Y_pred = trees.predict(X_test)

Answer 1

如果您对预测分类器中的类的概率感兴趣，可以使用该predict_proba方法，它为您提供每个类的概率。这是对您的代码的单行更改：

trees = BaggingClassifier(ExtraTreesClassifier())
trees.fit(X_train,Y_train)
Y_pred = trees.predict_proba(X_test)

的形状Y_pred是[n_samples, n_classes]。

如果您的Y_train值是连续的，并且您想预测这些连续值（即，您正在处理回归问题），那么您可以BaggingRegressor改用。

Answer 2

我通常将 BaggingRegressor() 用于连续值，然后将性能与 RMSE 进行比较。下面的例子：

from sklearn.ensemble import BaggingReressor
trees = BaggingRegressor()
trees.fit(X_train,Y_train)
scores_RMSE = math.sqrt(metrics.mean_squared_error(Y_test, trees.predict(X_test))