不划分训练测试集，如何在含Class标签的数据集上训练Bagging模型？

1. 导入依赖库 #

首先导入处理数据和构建模型所需的工具：

import pandas as pd
from sklearn.ensemble import BaggingClassifier
from sklearn.tree import DecisionTreeClassifier
from sklearn.preprocessing import LabelEncoder

2. 加载与预处理数据 #

加载数据集，分离特征变量和目标变量Class。由于sklearn分类器要求标签为数值类型，需将Good/Bad转换为数值：

# 加载数据集（替换为你的数据集路径）
df = pd.read_csv("your_dataset.csv")

# 提取特征与目标变量
X = df[["Age", "Duration", "Amount"]]  # 可添加其他自变量列名
y = df["Class"]

# 将字符串标签转为数值（Good→1，Bad→0，反之亦然）
label_encoder = LabelEncoder()
y_encoded = label_encoder.fit_transform(y)

3. 构建并训练Bagging模型 #

直接使用全量数据集训练，无需划分训练/测试集。Bagging内部会通过bootstrap采样为每个基学习器生成独立训练子集：

# 定义基学习器（以决策树为例，可替换为其他分类器）
base_model = DecisionTreeClassifier(max_depth=3, random_state=42)

# 初始化Bagging分类器
bagging_model = BaggingClassifier(
    base_estimator=base_model,
    n_estimators=100,  # 基学习器的数量，可根据需求调整
    random_state=42
)

# 用全量数据训练模型
bagging_model.fit(X, y_encoded)

4. 模型预测（可选） #

如果需要对全量数据生成预测结果：

# 生成预测
predictions_encoded = bagging_model.predict(X)

# 将数值预测转回原标签格式
predictions = label_encoder.inverse_transform(predictions_encoded)

# 对比真实标签与预测结果
result_df = pd.DataFrame({
    "True Class": y,
    "Predicted Class": predictions
})
print(result_df.head())

关键说明 #

Bagging算法的核心是通过bootstrap随机采样为每个基学习器创建不同的训练子集，因此即使你输入全量数据集，模型内部也会自动完成采样过程。如果不需要评估模型的泛化能力（比如仅需基于现有全量数据生成预测），直接使用全量数据训练即可，无需拆分训练/测试集。

内容的提问来源于stack exchange，提问作者Cillian Boland