scikit-learn: Rastgele orman class_weight ve sample_weight parametreleri

Question

Sınıfta bir dengesizlik problemim var ve scikit-learn (> = 0.16) ile uygulamayı kullanarak ağırlıklı bir Rasgele Ormanı denedim.

ben uygulama sınıfı dengesizliği çözmeye yardımcı olmak için bir ağaç yapıcı içinde class_weight parametreyi ve formda yöntemde sample_weight parametre alır fark etmiş. Son iki kiloya karar vermek için bu ikisi çarpılır gibi görünüyor.

sorun anlamakta güçlük şu: bu ağırlıklar kullanılır ne ağaç inşaat/eğitim/tahmin aşamaları ise

• ? Ağırlıklı ağaçlar için bazı kağıtlar gördüm, ama scikit'in uyguladığıdan emin değilim.
• Sınıf_yükü ile sample_weight arasındaki fark tam olarak nedir?

Answer 1

RandomForest'ler, çok iyi belgelenmiş olan Ağaçlar üzerine kurulmuştur. Ağaçlar örnek ağırlığını nasıl kullandıklarını kontrol edin: - Algoritma

Decision tree API kullanılır tam olarak ne söyler -

• User guide on decision trees sample_weight belirledikten gibi rastgele ormanlar için, class_weight ürünüdür ağaçlar (tarafından nasıl kullanıldığını açıklar ve sample_weight). class_weight ve sample_weight arasındaki fark olarak

: çok kendi veri türlerini doğasıyla basit olarak tespit edilebilir. sample_weight, 1D dizi uzunluğu n_samples olup, eğitim için kullanılan her bir örneğe açık bir ağırlık atar. class_weight, her sınıfın sözlüğünü, bu sınıf için tek biçimli bir ağırlığa (ör. {1:.9, 2:.5, 3:.01}) veya bu sözlüğü otomatik olarak nasıl belirleyeceğini belirten bir dizedir.

Yani belirli bir örneğin eğitim ağırlık bunun ürünü açıkça sample_weight adını taşıyordu (veya 1 sample_weight eğer sağlanmaz), ve class_weight (veya 1 class_weight eğer sağlanmaz) bulunuyor.