具有预定义权重的随机梯度下降分类器

Question

我收到了一组测试数据，由 3 个人进行分类，无论是真还是假。我也获得了信心——例如，有时 2/3 同意一个方向。我怎样才能将它合并到我的分类器模型中。我研究了SGDClassifier，它具有class_weight 参数，SVM 也是如此。然后，我将迭代每个置信水平，并为每一行数据分配 3 或 2 的权重，具体取决于所有三个是否被分类为相同：

x=0
weights = {}
for d in confidence:
    val = int(d[1])
    if(val == 1):
        weight = 3
    else: # d=0.66
        weight = 2
    x = x+1
    weights[x] = weight

不幸的是，在运行时：

SGDClassifier(class_weight=weights)

我得到错误：

类标签 2 不存在。

我做错了什么？

Answer 1

数据点的置信度应表示为sample_weight，而不是class_weight。

一些分类器的.fit 方法采用sample_weight 参数。

有一个example in the scikit-learn documentation 显示了如何使用支持向量分类器执行此操作。相关摘录：

# fit the model
clf_weights = svm.SVC()
clf_weights.fit(X, y, sample_weight=sample_weight_last_ten)