我使用Scikit RandomForestClassifier对不 balancer 数据进行分类 . 目标类数据为“1”或“0”（99％的值为0） .
我想分配一个重量 . 我怎样才能做到这一点 .
我在文件中发现：
sample_weight：array-like，shape = [n_samples]或None样本权重 . 如果为None，则样本的权重相等 . 在每个节点中搜索拆分时，将忽略将创建具有净零或负权重的子节点的拆分 . 在分类的情况下，如果它们将导致在任一子节点中携带负权重的任何单个类，则也忽略分裂 .
我需要增加'1'的影响力
这是我应该这样做的方式：
s_weight = np.array([100 if i == 1 else 1 for i in y_train])
或者这样：
s_weight = y_train[:, 1:100].T.ravel()
.
clf.fit(X_train, y_train, sample_weight=s_weights)
由于我没有得到预期的结果，有人可以确认吗？
1 回答
技术上
虽然RF中的加权不像例如SVM那样简单，但这是正确的 . 您必须交叉验证才能找到最佳权重（可能比
100小得多） .