您是否知道在pySpark（2.0+）中是否有某种方法可以将样本权重放在DecisionTreeClassifier算法上？
提前谢谢！
答案 0 :(得分：1)
目前在pyspark DecisionTree或DecisionTreeClassifier类中没有超参数来指定类的权重（通常在偏向数据集中需要或者对一个类的真实预测的重要性更重要）
在近期更新中，可能会添加它，您可以在这里跟踪jira中的进度
有一个git分支已经实现了这个，虽然官方没有提供，但你现在可以使用这个pull请求： https://github.com/apache/spark/pull/16722
您尚未指定当前方案以及您希望使用权重的原因，但现在建议的工作是
<强> 1。对数据集进行采样 如果您的数据集具有非常高的偏差，则可以对频率非常高的数据集执行随机欠采样
<强> 2。强制拟合权重 不是一个好方法，但有效。您可以根据权重重复每个类的行。 例如，对于二进制分类，如果（0/1）分类需要1：2的权重，则可以重复标记为1的所有行。