Python `sklearn LogisticReturnal中的样本重量：它是如何工作的？_Python_Scikit Learn_Logistic Regression_Liblinear

Python `sklearn LogisticReturnal中的样本重量：它是如何工作的？

python scikit-learn

Python `sklearn LogisticReturnal中的样本重量：它是如何工作的？,python,scikit-learn,logistic-regression,liblinear,Python,Scikit Learn,Logistic Regression,Liblinear,fit逻辑回归的方法有一个可选的sample\u weight参数。我遵循python代码，发现它只做了一些琐碎的事情，并分派给底层解算器（例如liblinear）。sample\u weight是如何工作的？它是通过过采样还是其他方法工作的更新正如@Alexander McFarlane所说，除非你查看来源，否则决策树中的样本权重与逻辑回归的权重并不明显。很难详细回答这个问题，但我只能假设样本权重可能是一个初始偏差向量。这有助于将输入数据集中在您查看的sigmoidHave？上，并可能在s

fit

逻辑回归的方法有一个可选的

sample\u weight

参数。我遵循python代码，发现它只做了一些琐碎的事情，并分派给底层解算器（例如liblinear）。

sample\u weight

是如何工作的？它是通过过采样还是其他方法工作的

更新

正如@Alexander McFarlane所说，除非你查看来源，否则决策树中的样本权重与逻辑回归的权重并不明显。

很难详细回答这个问题，但我只能假设样本权重可能是一个初始偏差向量。这有助于将输入数据集中在您查看的sigmoidHave？上，并可能在stackoverflow中搜索一些密切相关的问题@VivekKumar我认为，除非您查看来源，否则决策树中的样本权重是否与逻辑回归相同并不明显。@VivekKumar我在询问之前已经仔细阅读了文档。只有使用记录在案，我好奇的是它是如何工作的（机制），而不是如何使用它