python - 在循环内部或外部创建极其随机的树分类器

Question

我在 X_sample 中有许多样本矩阵 (mxn)。每个矩阵具有相同的行数(相同的 m)但具有不同的特征数量(不同的 n)。X 样本中的矩阵示例为:1000x40、1000x35、1000x30、1000x25。关于我的问题，我有以下(非常简化的)代码示例:

Y_train =
Y_test =
clf = ExtraTreesClassifier(n_estimators=500, max_depth=None,max_features="auto",
                           min_samples_split=1, random_state=0)

for X_data in X_samples:
    X_train = X_data[0]
    X_test = X_data[1]
    clf.fit(X_train,Y_train)
    pred_res = clf.predict(X_test)
    .....

我使用参数 max_features="auto" 在循环外创建一个分类器。我使用具有不同数量特征的样本矩阵在循环内执行不同的分类。我的问题是，每次循环执行拟合操作时，分类器是否会根据 X_train 的实际大小(实际特征数量)调整 max_features 的值。值为“auto”的参数 max_features 的实际值应等于特征数量的平方根。也就是说，我应该在循环外还是循环内创建分类器？有没有办法读取参数 max_features 的实际值？

Answer 1

是的。fit 函数不会更改估计器。请参阅the docs .