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)

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)

目录

输出结果

设计思路

核心代码

输出结果

1、treeDepth=1

2、treeDepth=5

设计思路

核心代码

  

   

    

     

    
    

     

      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))
     
    
  
 

文章来源: yunyaniu.blog.csdn.net，作者：一个处女座的程序猿，版权归原作者所有，如需转载，请联系作者。

原文链接：yunyaniu.blog.csdn.net/article/details/85985707