Python 如何在DecisionTreeClassifier中为多类设置类权重

我正在使用

sklearn.tree.DecisionTreeClassifier

来训练三级分类问题

三类记录的数量如下所示：

A: 122038
B: 43626
C: 6678

当我训练分类器模型时，它无法学习类-

C

。虽然效率达到65-70%，但完全忽略了C类

然后我了解了

class\u weight

参数，但我不知道如何在多类设置中使用它

这是我的代码：（我使用了

平衡的
，但它的准确性更差）

如何使用与类分布成比例的权重

其次，有没有更好的方法来解决这个不平衡的类问题以提高准确性。
您还可以将一个值字典传递给class\u weight参数以设置自己的权重。例如，将班级的重量减半：

class_weight={
    'A': 0.5,
    'B': 1.0,
    'C': 1.0
}

通过执行class_weight='balanced'，它会自动设置与课堂频率成反比的权重

更多信息可以在class_weight参数下的文档中找到：

通常可以预期，平衡类会降低准确性。这就是为什么对于不平衡的数据集，精度通常被认为是一个很差的指标

您可以尝试sklearn在开始时包含的平衡精度指标，但还有许多其他潜在指标需要尝试，这取决于您的最终目标是什么


如果您不熟悉“混淆矩阵”及其相关值，如精确度和召回率，那么我将从那里开始您的研究



您还可以将值字典传递给class\u weight参数，以设置自己的权重。例如，将班级的重量减半：

class_weight={
    'A': 0.5,
    'B': 1.0,
    'C': 1.0
}

通过执行class_weight='balanced'，它会自动设置与课堂频率成反比的权重

更多信息可以在class_weight参数下的文档中找到：

通常可以预期，平衡类会降低准确性。这就是为什么对于不平衡的数据集，精度通常被认为是一个很差的指标

您可以尝试sklearn在开始时包含的平衡精度指标，但还有许多其他潜在指标需要尝试，这取决于您的最终目标是什么


如果您不熟悉“混淆矩阵”及其相关值，如精确度和召回率，那么我将从那里开始您的研究



开始的方式是“平衡”模式。

“平衡”模式使用y值自动调整
与输入数据中的类频率成反比的权重
作为n个样本/（n个类*np.bincount（y））


要手动定义权重，您需要一个字典或一个字典列表，具体取决于问题。


类别权重dict，dict列表或“平衡”，默认值=无

与{class_label:weight}形式的类关联的权重。如果没有，所有类都应该有权重1。用于多输出
如果出现问题，可以按照相同的顺序提供DICT列表
y列

注意，对于multioutput（包括multilabel），应该在其自己的dict中为每个列的>每个类定义权重。例如，对于四类multilabel>分类权重应该是[{0:1,1:1}，{0:1,1:5}，{0:1,1:1}，{0:1,1:1}]，而不是[{1:1}，{2:5}，{3:1}，{4:1}]


例如：

如果A类频率为10%，B类频率为90%：

clf = tree.DecisionTreeClassifier(class_weight={A:9,B:1})

开始的方式是“平衡”模式。

“平衡”模式使用y值自动调整
与输入数据中的类频率成反比的权重
作为n个样本/（n个类*np.bincount（y））


要手动定义权重，您需要一个字典或一个字典列表，具体取决于问题。


类别权重dict，dict列表或“平衡”，默认值=无

与{class_label:weight}形式的类关联的权重。如果没有，所有类都应该有权重1。用于多输出
如果出现问题，可以按照相同的顺序提供DICT列表
y列

注意，对于multioutput（包括multilabel），应该在其自己的dict中为每个列的>每个类定义权重。例如，对于四类multilabel>分类权重应该是[{0:1,1:1}，{0:1,1:5}，{0:1,1:1}，{0:1,1:1}]，而不是[{1:1}，{2:5}，{3:1}，{4:1}]


例如：

如果A类频率为10%，B类频率为90%：

clf = tree.DecisionTreeClassifier(class_weight={A:9,B:1})