Python SkLearn梯度增强分类器示例\权重澄清

使用Python学习梯度Boost分类器。我使用的设置是选择随机样本（随机）。其中一个二进制类（结果=0）使用样本_权重1，另一个类（结果=1）使用样本_权重20。我的问题是，这些权重在“外行术语”中是如何应用的

是否在每次迭代中，模型将从样本中为0结果选择x行，为1结果选择y行，然后样本权重设置将进入并保留所有x，但将y（1）结果的样本过量20倍

在文档中，我不清楚样本权重>1是否是过采样。我理解，类_权重不同，不会改变数据，但会改变模型通过损失函数解释数据的方式。另一方面，它是否通过过采样有效地改变了输入模型的数据

---

感谢

示例权重是一个乘数，下面是代码：

---

谢谢，通过乘数，您是否确认样本权重正在修改算法惩罚该类错误的方式，而不是通过从该类过采样向树中提供更多数据。如果您能够突出一些代码示例来演示这一点，我们将不胜感激。