我有班级不平衡问题，想通过成本敏感型学习来解决这个问题。
问题
Scikit learn 有 2 个选项，称为类权重和样本权重。样本权重实际上是否在执行选项 2) 和类别权重选项 1)。是选项 2) 处理类不平衡的推荐方法。
【问题讨论】：
标签： python machine-learning scikit-learn classification
这是类似的概念，但是使用 sample_weights 可以强制 estimator 更多地关注某些样本，而使用 class_weights 你可以强制 estimator 关注某些特定类来学习。 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这些样本/类。因此，如果这个类的 class_weight = 0，分类器（例如）将永远不会预测某个类。如果一些 sample_weight/class_weight 在其他样本/类上大于 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/删除对训练集进行欠采样/过采样 - 这将等于增加/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 等技术人工生成样本。
【讨论】：
clf.fit(X, y, sample_weight=None)[source] 和 scikit 文档说：Per-sample weights. Rescale C per sample. Higher weights force the classifier to put more emphasis on these points. 我不明白在这段代码中物理写什么值：sameple_weight = {0:.01, 1:.90} 或者它必须是一个向量？如果有怎么办？
sample_weight 和class_weight 有一个类似的功能，就是让你的估算器更加关注一些样本。
实际样本权重为sample_weight * weights from class_weight。
这与欠采样/过采样的目的相同，但行为可能不同：假设您有一个随机选择样本的算法（如在随机森林中），是否过采样很重要。
总结一下：class_weight 和 sample_weight 都做 2)，选项 2) 是处理类不平衡的一种方法。我不知道普遍推荐的方法，我会针对您的具体问题尝试 1)、2) 和 1) + 2)，看看哪种方法最有效。
【讨论】：
clf.fit(X, y, sample_weight=None)[source] 和 scikit 文档说：Per-sample weights. Rescale C per sample. Higher weights force the classifier to put more emphasis on these points. 我不明白在这段代码中物理写什么值：sameple_weight = {0:.01, 1:.90} 或者它必须是一个向量？如果有怎么办？