【发布时间】：2017-03-08 22:00:41
【问题描述】：
是否可以调整给定目标的加权误差？我试图做的是在预测多类时对稀有类的损失进行加权。
【问题讨论】：
标签： xgboost
【发布时间】：2017-03-08 22:00:41
【问题描述】：
如果使用核心数据结构可以通过“set_weight”参数设置标签的权重：
set_weight(weight) 设置每个实例的权重。
参数：权重（类似数组）- 每个数据点的权重
虽然关于该主题的文档相当乏味，但我找到了一个可能对上一个主题有用的合理答案：How is the parameter "weight" (DMatrix) used in the gradient boosting procedure (xgboost)?
引用它：
实例权重文件
XGBoost 支持为每个实例提供一个权重来区分 实例的重要性。例如，如果我们提供一个实例 示例中“train.txt”文件的权重文件如下：
train.txt.weight
1
0.5
0.5
1
0.5
这意味着XGBoost会更加强调第一和第四 实例，即训练时的正实例。这 配置类似于配置组信息。如果 instance 文件名为“xxx”，XGBoost 会检查是否有 在同一目录中名为“xxx.weight”的文件，如果有，将 在训练模型时使用权重。
希望对你有帮助！
【讨论】：
-
我的理解是这是针对树实例而不是实际类本身。