Python 在SKLearn Logistic回归中，class=Balanced有助于使用不平衡数据运行模型？此选项使用什么方法

在阅读了随机欠采样、随机过采样和SMOTE之后，我试图了解SKlearn包中用于逻辑回归或随机林的默认实现所使用的方法。 我查过文件了

balanced模式使用y值自动调整权重，与输入数据中的类别频率成反比，如n个样本/（n个类别*np.bincount（y））

---

我无法理解在样本多数类或样本少数类下创建平衡集的方法，因为它们非常不同

SMOTE将改变数据，并通过过采样使数据集保持平衡（这意味着它将生成与少数类相似的外观数据，以增加其样本。因此创建新的数据集

---

在LR中，它不会使数据集保持平衡。它不会创建新的数据。它只会进一步惩罚少数群体的错误分类。因此，该模型将非常小心地处理该类。这就是为什么它被称为“类权重”

它们非常不同

SMOTE将改变数据，并通过过采样使数据集保持平衡（这意味着它将生成与少数类相似的外观数据，以增加其样本。因此创建新的数据集

---

在LR中，它不会使数据集保持平衡。它不会创建新数据。它只会进一步惩罚少数类的错误分类。因此，模型会非常小心地处理该类。这就是为什么它被称为

“class\u weight”

，因为numpy.bincount的文档说明，每个bin都给出了f的索引值为x（）。因此，由于在sklearn使用的表达式中，bincounts是分母，因此具有高频率的类接收低权重，而具有低频率的类接收高权重。让我们看看这一点：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.DataFrame({'classes': [0, 0, 1, 1, 2, 0, 1, 1, 0, 2, 3]})

n_samples = df.shape[0]
classes = df['classes'].unique()
bins = np.bincount(df['classes'])
n_classes = bins.shape[0]

weights = n_samples/(n_classes*bins)

sns.barplot(classes, weights)
plt.xlabel('class label')
plt.ylabel('weight')
plt.show()      

---

正如numpy.bincount的文档所述，每个bin以x（）表示其索引值的出现次数。因此，由于sklearn使用的表达式中，bincounts是分母，因此具有高频率的类接收低权重，而具有低频率的类接收高权重。让我们看看这一点：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.DataFrame({'classes': [0, 0, 1, 1, 2, 0, 1, 1, 0, 2, 3]})

n_samples = df.shape[0]
classes = df['classes'].unique()
bins = np.bincount(df['classes'])
n_classes = bins.shape[0]

weights = n_samples/(n_classes*bins)

sns.barplot(classes, weights)
plt.xlabel('class label')
plt.ylabel('weight')
plt.show()      

---

谢谢你，这是有意义的！谢谢你，这是有意义的！本博客提供了与OP相关的良好信息。因此，当使用class_权重，而不是通常的交叉熵时，它使用加权交叉熵作为损失函数。加权交叉熵=−w1*YLG（p）− w2*（1）−y） 日志（1）−p） 本博客提供了与OP相关的良好信息。因此，当使用class_权重时，而不是通常的交叉熵，它使用加权交叉熵作为损失函数。加权交叉熵=−w1*YLG（p）− w2*（1）−y） 日志（1）−（p）