Scikit-学习带权重的分类和回归 [英] Scikit-Learn Classification and Regression with Weights

问题描述

如果我想对每个样本进行不同的加权，如何在sklearn中进行分类或回归？有没有一种使用自定义损失函数的方法？如果是这样，那么该损失函数通常是什么样的？有更简单的方法吗？

How can I do classification or regression in sklearn if I want to weight each sample differently? Is there a way to do it with a custom loss function? If so, what does that loss function look like in general? Is there an easier way?

推荐答案

要称量单个样品，请喂 sample_weight 数组到估算器的 fit 方法。这应该是长度为 n_samples 的一维数组（即在大多数任务中与 y 相同的维度）：

To weigh individual samples, feed a sample_weight array to the estimator's fit method. This should be a 1-d array of length n_samples (i.e. the same dimension as y in most tasks):

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。

Not all models support this, check the documentation.

这篇关于Scikit-学习带权重的分类和回归的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！