Python SkLearn Gradient Boost Classifier Sample_Weight Clarification答案

【问题标题】：Python SkLearn Gradient Boost Classifier Sample_Weight ClarificationPython SkLearn Gradient Boost Classifier Sample_Weight Clarification
【发布时间】：2019-02-05 08:18:42
【问题描述】：

使用 Python SkLearn 梯度提升分类器。我正在使用的设置是选择随机样本（随机）。对其中一个二元类（结果 = 0）使用 sample_weight 1，对另一个类（结果 = 1）使用 20。我的问题是这些权重如何以“外行术语”应用。

是不是在每次迭代中，模型都会从样本中选择 x 行作为 0 结果，选择 y 行作为结果 1，然后 sample_weight 设置将启动并保留所有 x 但对 y (1 ) 结果乘以 20 倍？

在文档中，我不清楚它是否通过 sample_weight > 1 进行过采样。我知道 class_weight 是不同的，不会改变数据，而是模型如何通过损失函数解释数据。另一方面，Sample_weight 是否真的通过过采样有效地改变了输入模型的数据？

谢谢

【问题讨论】：

标签： python scikit-learn gradient boosting

【解决方案1】：

样本权重是一个乘数，这里是代码：

https://github.com/scikit-learn/scikit-learn/blob/f0ab589f/sklearn/ensemble/gradient_boosting.py#L1225

【讨论】：

谢谢，通过乘数因子，您确认 sample_weight 正在修改算法如何惩罚该类上的错误，而不是通过从该类过采样将更多数据输入树中。如果您能够突出显示一些代码示例，我们将不胜感激。