mars.learn.ensemble.BlockwiseVotingRegressor#

class mars.learn.ensemble.BlockwiseVotingRegressor(estimator: BaseEstimator)[来源]#

分块训练和集成投票回归器。

该回归模型在张量或数据帧的块/分区上进行训练。一个克隆的估计器将会在数据的每个块或分区上独立拟合。

预测是通过学习模型的集成完成的。

警告

确保在训练之前，您的数据经过充分洗牌！如果数据集中各个块/分区的值分布不相似，回归器将给出较差的结果。

Parameters: 估计器 (估计器) –

estimators_#

在每个输入的分区/块上拟合的estimator拟合的子估计器的集合。

Type: list of 回归变量

示例

>>> import mars.tensor as mt
>>> from mars.learn.ensemble import BlockwiseVotingRegressor
>>> from sklearn.linear_model import LinearRegression
>>> from sklearn.datasets import make_classification
>>> X, y = make_classification(n_samples=100_000)
>>> X, y = mt.tensor(X, chunk_size=10_0000), mt.tensor(y, chunk_size=10_0000)
>>> subestimator = LinearRegression()
>>> clf = BlockwiseVotingRegressor(subestimator)
>>> clf.fit(X, y)

__init__(estimator: BaseEstimator)#

方法

`__init__`(estimator)
`fit`(X, y[, session, run_kwargs])
`get_params`([deep])	获取该估计器的参数。
`predict`(X[, session, run_kwargs])
`score`(X, y[, sample_weight])	返回预测的决定系数 \(R^2\)。
`set_params`(**params)	设置此估计器的参数。