我正在尝试使用 BagginClassifier，但未能获得预期的功能。

基本上，BagginClassifier 应该绘制（引导）一个带有替换的新数据集。例如：以下代码应生成与原始数据集大小相同的新引导样本：

import sklearn.datasets as ds
import numpy as np


X, y = ds.load_iris().data, ds.load_iris().target

bag = BaggingClassifier(base_estimator=LogisticRegression(), 
                        n_estimators=100,
                        max_samples=1.0,
                        bootstrap=True,
                        n_jobs=1)
bag.fit(X, y)

print X[bag.estimators_samples_[0]].shape
>> 95

（或任何其他接近 95 的数字）。

天真地，我希望得到与原始样本（150）相同大小的自举样本，但会有一些随机重复的行。但是，我得到的样本量较小，并且具有唯一的行。那很奇怪。

这里有什么问题？