【发布时间】：2014-06-11 19:59:21
【问题描述】：
我正在使用 Scikit RandomForestClassifier 对不平衡数据进行分类。目标类数据为“1”或“0”（99% 的值为 0）。
我想指定一个权重。我怎样才能做到这一点。
我在文档中找到：
sample_weight : 类似数组，shape = [n_samples] 或 None
样本权重。如果没有，则样本的权重相同。分裂 将创建净零或负权重的子节点是 在每个节点中搜索拆分时被忽略。如果是 分类，如果拆分会导致任何 单个类在任一子节点中的权重为负。
我需要增加'1'的影响力
我应该这样做吗：
s_weight = np.array([100 if i == 1 else 1 for i in y_train])
或者这样：
s_weight = y_train[:, 1:100].T.ravel()
.
clf.fit(X_train, y_train, sample_weight=s_weights)
由于我没有得到预期的结果，有人可以确认一下吗？
【问题讨论】：
-
第一个是要走的路。您可能想尝试 100 而不是 5，以反映逆频率（这是一种启发式方法，没有理论规定该值）。出于好奇：您有多少真实目标/数据点可用？
-
我有 50K 件商品！我应该这样使用它：s_weight = y_train[:, 1:100].T.ravel()
-
第一个选项，不是第二个选项。
-
我应该这样做：s_weight = np.array([100 if i == 1 else 1 for i in y_train]) 还是这样：s_weight = np.array([100 if i == 1 else 0 for i in y_train]) 与第一个一样，我将 0 更改为 1 并将 1 更改为 100。
-
在大多数具有样本权重的估计器中，将 0 指定为样本权重就像省略样本一样。我不认为这是你想要的。
标签： python machine-learning classification scikit-learn