集成学习-Bagging与随机森林回归

reg_f=RFR()
reg_t=DTR()#实例化决策树
cv=KFold(n_splits=5,shuffle=True,random_state=1412)#实例化验证方式
result_t=cross_validate(reg_t#要进行交叉验证的评估器
                       ,X,y
                       ,cv=cv
                       ,scoring='neg_mean_squared_error'#评估指标
                       ,return_train_score=True#是否返回训练分数，后面这几个参数是只哟该函数有
                        ,verbose=True#是否打印进程
                        ,n_jobs=1#-1表示使用电脑的所有线程
                        )
 result_f=cross_validate(reg_f#要进行交叉验证的评估器
                       ,X,y
                       ,cv=cv
                       ,scoring='neg_mean_squared_error'#评估指标
                       ,return_train_score=True#是否返回训练分数，后面这几个参数是只哟该函数有
                        ,verbose=True#是否打印进程
                        ,n_jobs=1#-1表示使用电脑的所有线程
                        )