在xgboost中使用scale_pos_weight参数时，我不知道为什么会这样？

Question

我必须解决二进制分类问题。 （标签0与标签1之间的火车数据大小之比为4.7：1）因此，我使用xgboost算法创建了模型。结果还不错。
-AUC：0.989
-精度（0/1）：0.998 / 0.938
-召回率（0/1）：0.992 / 0.986
-F得分（0/1）：0.995 / 0.962
但我想提高标签1（0.938）的精度。因此，我尝试调整xgboost中的参数。特别是，我对调整Scale_pos_weight参数感到好奇。首先，我按照xgboost文档中的建议应用了该值。 （num（负数）/ num（正数）= 4.7）
scale_pos_weight=4.7
-AUC：0.973
-精度（0/1）：0.999 / 0.807
-召回率（0/1）：0.971 / 0.994
-F得分（0/1）：0.985 / 0.891
标签1的精度降低，而调用率提高。与此相反，我应用了4.7的倒数
-AUC：0.988
-精度（0/1）：0.992 / 0.956
-召回率（0/1）：0.995 / 0.937
-F得分（0/1）：0.993 / 0.946
结果就是我想要的。 我不知道为什么会出现这些结果...请解释这种情况。

Answer 1

我也有同样的情况。我认为原因是，当scale_pos_weight为4.7（应该是）时，模型具有相同数量的标签0和标签1，因此它认为需要预测相同数量的标签0和标签1。但这并没有成功，因此找到了更多的FP，这就是标签1的精度下降的原因。