Python scikit学习中的样本权重和类权重选项之间有什么区别？

我有班级不平衡的问题，我想用对成本敏感的学习方法来解决这个问题

欠采样和过采样

为类指定权重以使用修改的损失函数

问题

---

Scikit learn有两个选项，称为类权重和样本权重。样本重量是否实际执行选项2）和类别重量选项1）。选项2）是否为处理等级不平衡的推荐方法

这是类似的概念，但通过样本权重，你可以迫使估计器更多地关注某些样本，通过类权重，你可以迫使估计器关注某些特定的类。样本权重=0或类权重=0基本上意味着估计器在学习过程中根本不需要考虑这些样本/类。因此，如果该类的class_weight=0，分类器（例如）将永远不会预测某个类。如果某个样本权重/类别权重大于其他样本/类别的样本权重/类别权重，估计器将首先尝试最小化该样本/类别的误差。您可以同时使用用户定义的示例权重和类权重

如果您想通过简单的克隆/删除来对训练集进行欠采样/过采样-这将等于增加/减少相应的样本权重/类权重

---

在更复杂的情况下，您也可以尝试人工生成样本，例如。

sample\u weight

和

class\u weight

具有类似的功能，即让您的估计器更加关注某些样本

实际样本重量将是

样本重量*类别重量的重量

这与欠采样/过采样的目的相同，但行为可能不同：假设您有一个随机选取样本的算法（如在随机林中），则是否过采样很重要

总而言之：

---

class_-weight

和

sample_-weight

都是do2），选项2）是处理类不平衡的一种方法。我不知道哪种方法是普遍推荐的，我会尝试1）、2）和1）+2）针对您的具体问题，看看哪种方法最有效。

我认为这在很大程度上取决于问题。你能提供更多关于你的数据有多不平衡的信息吗？也许你已经尝试过了？只是想澄清一下，在这个答案中“/”的意思是“斜杠”，而不是“除法”。很好的解释。@DataMan，是的，这是真的。我同意sample\u weight/class\u weight=0看起来很奇怪。@IbraimGaniev假设我有一个数据集，有10万个样本。99%为0，1%为1。如何指定此数据的样本权重？是1:100的比例还是别的什么<代码>clf.fit（X，y，样本重量=无）[来源]和scikit文档说明：

每个样本重量。按样本重新缩放C。更高的权重迫使分类器更加强调这些点。

我不明白在这段代码中，作为值实际写什么：

sameple_weight={0.01，1.90}

还是它必须是一个向量？如果是，怎么做？关于SMOTE的一个警告：如果样本太小，或者如果特征重叠，则无法可靠地生成样本。@Idrier假设我有一个数据集，有100k个样本。99%为0，1%为1。如何指定此数据的样本权重？是1:100的比例还是别的什么<代码>clf.fit（X，y，样本重量=无）[来源]和scikit文档说明：

每个样本重量。按样本重新缩放C。更高的权重迫使分类器更加强调这些点。

我不明白在这段代码中，作为值实际写什么：

sameple_weight={0.01，1.90}

还是它必须是一个向量？如果是这样，怎么办？@Chuck我也和你一样困惑。我很想知道适用于样本权重和班级权重计算的精确公式，Idirer给出了一个很好的公式示例，但我也在寻找一个像你的问题这样的实际示例。