如何处理sklearn随机林中的类不平衡。我应该使用样本权重还是类权重参数

Question

我试图解决一个类不平衡的二元分类问题。我有21万条记录的数据集，其中92%是0s和8%是1s。我在python中使用sklearn (v 0.16)作为random forests。在

我看到在构造分类器时有两个参数sample_weight和{}。我当前正在使用参数class_weight="auto"。在

我用这个正确吗？ 类权重和样本权重的实际作用是什么？我应该使用什么？在

Answer 1

你应该使用类权重。在

使用“采样权重”（Sample weights），可以为特定采样的影响指定乘数。对权重为2.0的样本进行加权，其效果与点在数据中出现两次时的效果相同（尽管确切效果取决于估计器）。在

类权重具有相同的效果，但它用于对属于指定类的每个样本应用集合乘数。就功能而言，您可以使用其中一种，但是class_weights是为了方便起见而提供的，因此您不必手动为每个样本加权。也可以将两种方法结合使用，其中类权重乘以样本权重。在

sample_weights在fit()方法上的主要用途之一是允许像AdaBoostClassifier这样的提升元算法操作现有的决策树分类器，并根据算法的需要增加或减少单个样本的权重。在