输出用于训练一个base_estimator的每个BaggingClassifier的实例子集

Question

我使用带有BaggingClassifier的决策桩对某些数据进行分类：

def fit_ensemble(attributes,class_val,n_estimators):

    # max depth is 1
    decisionStump = DecisionTreeClassifier(criterion = 'entropy', max_depth = 1)

    ensemble = BaggingClassifier(base_estimator = decisionStump, n_estimators = n_estimators, verbose = 3)
    return ensemble.fit(attributes,class_val)

def predict_all(fitted_classifier, instances):
    for i, instance in enumerate(instances):
        instances[i] = fitted_classifier.predict([instances[i]])
    return list(itertools.chain(*instances))

def main(filename, n_estimators):

    df_ = read_csv(filename)

    col_names = df_.columns.values.tolist()
    attributes = col_names[0:-1] ## 0..n-1
    class_val = col_names[-1] ## n

    fitted = fit_ensemble(df_[attributes].values, df_[class_val].values, n_estimators)
    fitted_classifiers = fitted.estimators_ # get the three decision stumps.

    compared_ = DataFrame(index = range(0,len(df_.index)), columns = range(0,n_estimators + 1))
    compared_ = compared_.fillna(0)
    compared_.ix[:,n_estimators] = df_[class_val].values

    for i, fitted_classifier in enumerate(fitted_classifiers):
        compared_.ix[:,i] =  predict_all(fitted_classifier,df_[attributes].values)

我想检查用于训练每个决策树桩的随机子集。我看过集成类和决策树类的文档，但没有找到任何属性或方法来生成训练子集。这是一个徒劳无功的任务吗？或者，在树进行训练时，是否有某种方式输出训练子集？

我对熊猫很陌生，但来自R的背景。我的代码绝对不是优化的，尽管我可以保证数据集对于我的任务非常小。谢谢你的帮助。

Answer 1

看来我已经回答了我自己的问题。estimators_samples_属性DecisionTreeClassifier是我想要的。