是否可以调整给定目标的加权误差？我想要做的是在预测多级时，为稀有类增加更高的损失。
答案 0 :(得分：1)
如果使用核心数据结构，您可以通过＆＃34; set_weight＆＃34;设置标签的权重。参数：
set_weight（weight）设置每个实例的权重。
参数：weight（array like） - 每个数据点的权重
虽然文档在该主题上相当黯淡，但我找到了一个合理的答案，可能对上一个主题有用：How is the parameter "weight" (DMatrix) used in the gradient boosting procedure (xgboost)?
引用它：
希望它有所帮助！实例权重文件
XGBoost支持为每个实例提供一个权重来区分 实例的重要性。例如，如果我们提供实例 ＆＃34; train.txt＆＃34;的重量文件示例中的文件如下：
train.txt.weight
1
0.5
0.5
1
0.5
这意味着XGBoost将在第一个和第四个上强调更多 例如，也就是训练时的积极情况。该 配置类似于配置组信息。如果 实例文件名是＆＃34; xxx＆＃34;，XGBoost将检查是否有 文件名为＆＃34; xxx.weight＆＃34;在同一目录中，如果有，将 在训练模型时使用权重。