Bagging—回归

# Bagging-回归

本模块是对sklearn的封装,详细文档请参考: https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.BaggingRegressor.html#sklearn.ensemble.BaggingRegressor

其他参数: base_estimator:基准估计器,默认None,为一个决策树

定义

 M.bagging_regressor.v1(n_estimators=10,subsample,feature_fraction,bootstrap,bootstrap_features,oob_score,key_cols,workers,other_train_parameters)

参数:

  • n_estimators:可选,整数,默认值10,最大值2147483647,最小值-2147483648,基准估计器个数,默认为10
  • subsample:可选,浮点数,默认值1,最大值1,最小值0,随机子集比重,训练基准估计器使用该随机子集
  • feature_fraction:可选,浮点数,默认值1,最大值1,最小值0,特征使用率,寻找最佳分割时要考虑的特征比率,float类型,默认考虑所有特征数,即取值1.0
  • bootstrap:必选,布尔,默认值True,是否有放回采样,默认为True
  • bootstrap_features:必选,布尔,默认值False,是否对特征有放回采样,默认为False
  • oob_score:必选,布尔,默认值False,是否使用袋外样本估计泛化误差,默认为False,评估结果保存在oob_score_
  • key_cols:可选,字符,默认值date,instrument,关键列,关键列的数据会复制到预测结果里,多个列用英文逗号分隔
  • workers:可选,整数,默认值1,最大值2147483647,最小值-2147483648,并行作业数,同时使用多少个进程进行计算,默认是1,普通用户最多为2,会员可以使用更多资源
  • other_train_parameters:可选,代码,默认值{'base_estimator': None},其他训练参数,字典格式,例:{'criterion': 'mse'}

返回:

  • output_model:output_model,训练出来的模型
  • predictions:predictions,预测结果,如果predict_ds为None,predictions也为None