输出用于训练bagingclassifier的每个base_estimator的实例子集

Question

我正在使用bagingclassifier的决策树桩对一些数据进行分类:

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。我已经查看了集成和决策树类的文档，但是没有发现任何产生训练子集的属性或方法。这是一项徒劳的任务吗?或者在树进行训练的时候，有没有办法输出训练子集?

我对熊猫很陌生，但是我有R背景。我的代码肯定没有经过优化，尽管我可以保证数据集对于我的任务来说非常小。谢谢你的帮助。

Answer 1

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