Scikit learn XGboost python-分类器类权重选项？

有没有办法为xgboost分类器设置不同的类权重？例如，在sklearn RandomForestClassifier中，这是通过“class_weight”参数完成的

使用sklearn包装器时，有一个权重参数

例如：

import xgboost as xgb
exgb_classifier = xgboost.XGBClassifier()
exgb_classifier.fit(X, y, sample_weight=sample_weights_data)

---

其中参数shld类似于数组，length N，等于目标长度，我最近遇到了这个问题，所以我尝试了一个解决方案

from xgboost import XGBClassifier

# manually handling imbalance. Below is same as computing float(18501)/392318 
on the trainig dataset.
# We are going to inversely assign the weights
weight_ratio = float(len(y_train[y_train == 0]))/float(len(y_train[y_train == 
1]))
w_array = np.array([1]*y_train.shape[0])
w_array[y_train==1] = weight_ratio
w_array[y_train==0] = 1- weight_ratio

xgc = XGBClassifier()
xgc.fit(x_df_i_p_filtered, y_train, sample_weight=w_array)

不知道为什么，但结果相当令人失望。希望这对别人有帮助

---

[参考链接]

用于sklearn版本<0.19

只需为列车数据的每个条目分配其类别权重。首先使用

class\u weight获取类权重。计算sklearn的class\u weight

，然后为每行列车数据分配适当的权重

这里我假设列车数据有一列

class

，其中包含类号。我还假设存在从1到

nb\u类的
nb\u类

from sklearn.utils import class_weight
classes_weights = list(class_weight.compute_class_weight('balanced',
                                             np.unique(train_df['class']),
                                             train_df['class']))

weights = np.ones(y_train.shape[0], dtype = 'float')
for i, val in enumerate(y_train):
    weights[i] = classes_weights[val-1]

xgb_classifier.fit(X, y, sample_weight=weights)

sklearn版本更新>=0.19

有更简单的解决办法

from sklearn.utils import class_weight
classes_weights = class_weight.compute_sample_weight(
    class_weight='balanced',
    y=train_df['class']
)

xgb_classifier.fit(X, y, sample_weight=classes_weights)

您也可以使用
scale\u pos\u weight
超参数，如中所述。这种方法的优点是，您不必构造样本权重向量，也不必在
fit
时间传递样本权重向量。
这里的答案已经过时。不再支持示例重量参数。它被称为重量

from sklearn.utils.class_weight import compute_sample_weight
xgb_classifier.fit(X, y, sample_weight=compute_sample_weight("balanced", y))

相反，只需做scale\u pos\u weight=sum（负实例）/sum（正实例）
类似于@Firas Omrane和@Pramit answer，但我认为它更像python


从sklearn.utils导入类_重量
类别权重=dict(
拉链(
[0,1],
类权重。计算类权重(
“平衡”，类=np.唯一（列['class']），y=列['class']
),
)
) 
xgb_分类器.fit（X，序列['class']，样本重量=类别重量）
应该是w1=np.array（[1.0]*y_train.shape[0]），将numpy数组的数据类型初始化为float。否则，以下语句将生成一个包含所有零的numpy数组。这并不能回答这个问题。一旦你有足够的钱，你将能够；相反在开始代码实现之前，请对您的答案添加一些解释。注意：以下所有解决方案不再有效，因为不再支持示例权重。scale\u pos\u权重是正确的参数。请看下面我的答案。@SriK是的，但它只适用于二进制分类问题yep，但这只适用于二进制分类问题此
class\u权重的格式不是
xgb
所期望的格式。你能详细说明一下，是否需要做些额外的工作来让它工作吗？谢谢