scikit Learn中的样本权重和班级权重选项有什么区别？

Question

我遇到班级不平衡的问题，想使用成本敏感型学习解决此问题。

1. 样本不足和样本过多
2. 给权重使用修改的损失函数

题

Scikit
learning有2个选项，分别称为类权重和样本权重。样本权重实际上是在执行选项2），还是在类别权重选项1）。选项2）是处理类不平衡的推荐方法。

Answer 1

这是类似的概念，但是使用sample_weights可以强制估计器对某些样本给予更多的关注，而使用class_weights可以强制估计器对某些特定类的学习。sample_weight
= 0或class_weight = 0基本上意味着估计器在学习过程中根本不需要考虑此类样本/类。因此，例如，如果此类的class_weight =
0，则分类器将永远不会预测某个类别。如果某些sample_weight / class_weight大于其他样本/类的sample_weight /
class_weight-估计器将首先尝试最小化该样本/类的错误。您可以同时使用用户定义的sample_weights和class_weights。

如果您想通过简单的克隆/删除来对训练集进行欠采样/过采样-这等于增加/减少相应的sample_weights / class_weights。

在更复杂的情况下，您还可以尝试使用SMOTE之类的技术人工生成样本。