我正在使用 scikit-learn RandomForestClassifier 来解决分类问题。仔细查看其中一棵树时，我注意到根部的样本数为 662，但第一类有 507 个实例，第二类有 545 个。发生了什么事还是我理解错了什么？样本数量实际上是唯一样本的数量吗？因为我使用了引导聚合，所以有很多样本被多次选择？
为什么样本数小于我的决策树中的值数？
数据挖掘
随机森林
scikit-学习
决策树
2021-10-01 15:20:23
1个回答
是的，它似乎显示了独特的样本，其他样本已被引导抽样复制。
有 0.632 规则 - 当你有 N 个项目并且你随机抽取一个大小为 N 并替换的样本（如 bootstrap 所做的那样），你只能从 N 中获得 63.2% 的样本，其余的都是重复的。
这与您所看到的大致相符：0.632 * (507+545) = 665 个唯一样本。
您也可以使用一些 Python 代码进行尝试：
samples = np.arange(507 + 545)
bootstrap_sample = np.random.choice(samples, size=len(samples), replace=True)
print(len(np.unique(bootstrap_sample)))
这总是打印接近 665 的值。
其它你可能感兴趣的问题