EL之Bagging(DTR)：利用Bagging對回歸問題(實數值評分預測)建模(調2參)

?

?

目錄

輸出結果

設計思路

核心代碼

---

?

?

?

?

輸出結果

?

設計思路

?

核心代碼

bagFract = 1.0 #----------------------☆☆☆☆☆ nBagSamples = int(len(xTrain) * bagFract)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Bagging对回归问题(实数值评分预测)建模(调2参)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。