随机森林回归中的样本量

Question

如果理解正确，当计算随机森林估计量时，通常会应用自举，这意味着仅使用来自样本（i）的数据构建树（i），并选择替换。我想知道sklearn RandomForestRegressor使用的样本大小是多少。

我唯一看到的就是关闭：

bootstrap : boolean, optional (default=True)
    Whether bootstrap samples are used when building trees.

但是没有办法指定样本大小的大小或比例，也没有告诉我默认的样本大小。

我觉得应该有办法至少知道默认的样本大小是什么，我缺少什么？

Answer 1

呃，我同意你的看法，我们无法在RandomForestRegressor算法中指定子样本/引导程序大小，这很奇怪。也许潜在的解决方法是使用BaggingRegressor代替。 http://scikit-learn.org/stable/modules/generated/sklearn.ensemble.BaggingRegressor.html#sklearn.ensemble.BaggingRegressor

RandomForestRegressor只是BaggingRegressor的一个特例（使用bootstraps来减少一组低偏差高方差估计量的方差）。在RandomForestRegressor中，基本估算工具被强制为DeceisionTree，而在BaggingRegressor中，您可以自由选择base_estimator。更重要的是，您可以设置自定义的子样本大小，例如max_samples=0.5将绘制大小等于整个训练集一半的随机子样本。此外，您可以通过设置max_features和bootstrap_features来选择一部分功能。

Answer 2

bootstrap的样本大小始终是样本数。

您没有遗漏任何内容，RandomForestClassifier {{1}}上提出了同样的问题：

  

引导样本大小始终与输入样本大小相同。如果您愿意，可能会非常欢迎更新文档的拉取请求。

Answer 3

在scikit-learn的0.22版本中，添加了max_samples选项，可按照您要求的内容here进行类文档的编写。