特征随机采样
来源：13-4 oob (Out-of-Bag) 和关于Bagging的更多讨论
wxz123
2019-08-29
老师，在bagging中，对特征进行采样， 比如每个样本有3个特征，采用max_features=1, bootstrap_features=True，max_samples=100，n_estimators=500，bootstrap=True的话，则对于每棵树来说，随机取到的100个样本的特征维度是否应该一致呢（比如同一棵树取得特征都是第一个特征）？
在下面个图中对于不同的样本，特征的维度取得也不一样，用这样一组样本该如何去训练一颗决策树呢？
写回答
1回答
-
我听了一下，我在课程中的叙述不准确。
对于 random patches，每一棵决策树（或者每一个子分类器）所处理的特征是一致的，即每一棵决策树（或者每一个子分类器）是针对一组随机采样的数据的一组随机采样的特征进行训练的。
所以，在这个图中，每行代表一个决策树，每列代表特征。每棵决策树选用的数据特征不同，但在一颗决策树内部，是一组共同的特征。
抱歉！
继续加油！：）
212019-08-29
相似问题