使用Python SkLearn梯度增强分类器。我使用的设置是选择随机样本（随机）。对于一个二进制类（结果= 0）使用sample_weight为1，对于另一个类（结果= 1）使用sample_weight。我的问题是这些权重如何以“外行术语”应用。
是在每次迭代中，模型将从样本中选择x行作为0结果，将y行作为1结果，然后sample_weight设置将插入并保留所有x，但对y进行过采样（1 ）的效果提高了20倍？
在文档中，我不清楚是否具有sample_weight> 1来进行过采样。我知道class_weight是不同的，不会更改数据，而是模型如何通过损失函数解释数据。另一方面，Sample_weight是否通过过采样有效地更改了馈入模型的数据？
谢谢
答案 0 :(得分：0)