带权重的 Scikit-Learn 分类和回归
Posted
技术标签:
【中文标题】带权重的 Scikit-Learn 分类和回归【英文标题】:Scikit-Learn Classification and Regression with Weights 【发布时间】:2013-06-20 08:55:19 【问题描述】:如果我想对每个样本进行不同的加权,我该如何在 sklearn 中进行分类或回归?有没有办法使用自定义损失函数来做到这一点?如果是这样,该损失函数一般看起来像什么?有没有更简单的方法?
【问题讨论】:
【参考方案1】:要称量单个样本,请将sample_weight
数组输入估计器的fit
方法。这应该是一个长度为 n_samples
的一维数组(即在大多数任务中与 y
的维度相同):
estimator.fit(X, y, sample_weight=some_array)
并非所有型号都支持此功能,请查看文档。
【讨论】:
以上是关于带权重的 Scikit-Learn 分类和回归的主要内容,如果未能解决你的问题,请参考以下文章
在 scikit-learn 的逻辑回归中设置类权重的数学原理是啥?
R 和 scikit-learn 在分类任务中与逻辑回归的比较