Python 如何将样本权重添加到scikit学习估计器中

我最近开发了一个scikit学习估计器（分类器），现在我想向估计器添加

sample\u weight

。原因是我可以将boosting（即Adaboost）应用于估算器（因为Adaboost要求

样本权重

出现在估算器中）

我看了一些不同的scikit学习估计器，如线性回归、逻辑回归和SVM，但它们似乎都有不同的方法将

sample\u weight

添加到估计器中，我不太清楚：

线性回归：

逻辑回归：

支持向量机：

---

所以我现在很困惑，想知道如何将

sample\u weight

添加到我的估计器中？在scikit learn中是否有标准的方法来实现这一点，或者这取决于估计器？任何模板或任何示例都将不胜感激。非常感谢。

这不仅仅是一个价值观列表吗？e、 g[0]*nrow（x）？！我可以把它作为一个答案……正如它的名字所暗示的那样，你在每个样本上加上权重——因此你的列表的长度必须与nrow（x）（样本数）相同。[2] *nrow（x）-生成一个大小为nrow（x）的列表，其中值为2:）首先-[2]*nrow（x）-只是任意-您根据要使用的内容创建一个自己的列表-这里我只是用它作为示例来满足参数！-关于你的python问题-不！它在手镯[]中-因此它不会被视为数字，而是列表。所以你宁愿把一个列表，而不是一个数字乘法np.array（[2,2,1,1]）*X'这绝对不是正确的方法。正如您在问题中提到的，使用sample_weight的方法变化很大，这取决于内部实现细节，通常有多种方法。因此，我建议分享您的内部详细信息estimator@Leockl-那你为什么不用[2,2,1,1]呢？再一次-[2]*nrow是任意的-我很抱歉使用pythonic表达式。这不仅仅是一个值列表吗？e、 g[0]*nrow（x）？！我可以把它作为一个答案……正如它的名字所暗示的那样，你在每个样本上加上权重——因此你的列表的长度必须与nrow（x）（样本数）相同。[2] *nrow（x）-生成一个大小为nrow（x）的列表，其中值为2:）首先-[2]*nrow（x）-只是任意-您根据要使用的内容创建一个自己的列表-这里我只是用它作为示例来满足参数！-关于你的python问题-不！它在手镯[]中-因此它不会被视为数字，而是列表。所以你宁愿把一个列表，而不是一个数字乘法np.array（[2,2,1,1]）*X'这绝对不是正确的方法。正如您在问题中提到的，使用sample_weight的方法变化很大，这取决于内部实现细节，通常有多种方法。因此，我建议分享您的内部详细信息estimator@Leockl-那你为什么不用[2,2,1,1]呢？再一次-[2]*nrow是任意的-我很抱歉使用pythonic表达式。