Scikit learn 使用“时会发生什么？”；“U级重量”；及；"；svm.scv（）中同时存在的参数？

我正在尝试建立一个分类器。在玩hyperparameters时，我碰巧同时使用了参数

class_权重

和

C

，并且看到了我不理解的结果

这个代码给了我一个不同的f1分数

clf = svm.SVC(kernel="linear",class_weight={1:10,0:5})
clf.fit(X_train_tfidf, y_train)
predicted=clf.predict(X_test_tfidf)
f1_score(y_test, predicted)

从这个代码

clf = svm.SVC(kernel="linear",class_weight={1:10,0:5},c=5)
clf.fit(X_train_tfidf, y_train)
predicted=clf.predict(X_test_tfidf)
f1_score(y_test, predicted)

我的理解是，在设置类权重时，您正在根据此等式设置

C

值

在这种情况下，我希望忽略

C

参数。但事实似乎并非如此。sklearn在用它做什么？我理解错了什么吗

---

谢谢

设置类权重和设置

C

参数是两件独立的事情，您不应该期望结果是相同的

文件说明了以下内容：

在需要对某些类或某些单个样本给予更多重视的问题中，可以使用关键词class_-weight和sample_-weight

SVC在fit方法中实现关键字class_权重。它是一个{class_label:value}形式的字典，其中value是一个浮点数>0，它将class_label的参数C设置为C*value

换言之：

• 在第一个示例中，类0的

  C=1*5=5

  ，类1的

  C=1*10=10

  （因为默认值为1.0）

• 在第二个示例中，类0的

  C=5*5=25

  ，类1的

  C=5*10=50

---

我用这些信息进行了一些测试，可以确认这就是我所看到的。非常感谢。我不知道它会用C乘以类的权重。