我知道你可以为不平衡的数据集设置scale_pos_weight。但是，如何处理不平衡数据集中的多分类问题。我已经完成了https://datascience.stackexchange.com/questions/16342/unbalanced-multiclass-data-with-xgboost/18823但不太了解如何在Dmatrix中设置权重参数。
任何人都可以详细解释一下吗？
答案 0 :(得分：0)
对于不平衡的数据集，我在Xgboost中使用了“ weights”参数，其中weights是根据数据所属类分配的权重数组。
def CreateBalancedSampleWeights(y_train, largest_class_weight_coef):
classes = np.unique(y_train, axis = 0)
classes.sort()
class_samples = np.bincount(y_train)
total_samples = class_samples.sum()
n_classes = len(class_samples)
weights = total_samples / (n_classes * class_samples * 1.0)
class_weight_dict = {key : value for (key, value) in zip(classes, weights)}
class_weight_dict[classes[1]] = class_weight_dict[classes[1]] *
largest_class_weight_coef
sample_weights = [class_weight_dict[y] for y in y_train]
return sample_weights
只需通过目标列和最频繁出现的类别的发生率（如果最频繁出现的类别中有100个样本中有75个，则为0.75）
largest_class_weight_coef =
max(df_copy['Category'].value_counts().values)/df.shape[0]
#pass y_train as numpy array
weight = CreateBalancedSampleWeights(y_train, largest_class_weight_coef)
#And then use it like this
xg = XGBClassifier(n_estimators=1000, weights = weight, max_depth=20)
就这样：）