Python 在sklearn RandomForestClassifier中,class_weight=None是否等同于class_weight=";平衡子样本;?
中的措词使其看起来好像无和“平衡的子样本”是等效的,但我想确保事实确实如此。文档清楚地表明,它们是而不是等效的:Python 在sklearn RandomForestClassifier中,class_weight=None是否等同于class_weight=";平衡子样本;?,python,scikit-learn,classification,random-forest,Python,Scikit Learn,Classification,Random Forest,中的措词使其看起来好像无和“平衡的子样本”是等效的,但我想确保事实确实如此。文档清楚地表明,它们是而不是等效的: class\u weight=None-所有类都应该有一个权重 class\u weight='balanced\u subsample'-“balanced”模式使用y值自动调整权重,与输入数据中的类频率成反比,如n个样本/(n个类*np.bincount(y)) “balanced_subsample”模式与“balanced”模式相同,不同之处在于,权重是根据每棵生长的树的引导
class\u weight=None
-所有类都应该有一个权重
class\u weight='balanced\u subsample'
-“balanced”模式使用y值自动调整权重,与输入数据中的类频率成反比,如n个样本/(n个类*np.bincount(y))
“balanced_subsample”模式与“balanced”模式相同,不同之处在于,权重是根据每棵生长的树的引导样本计算的。Ah我明白了。我想让我困惑的是,第一行随机分成了第二行,所以我认为第二行是以“balanced_subsample”或None”开头的新句子。。。谢谢你的回复。