将CalibratedClassifierCV与平衡和不平衡数据一起使用

Question

我想使用CalibratedClassifierCV来预测SGDClassifier的概率。我用3种不同的方式编写代码。

data_train是我完整的训练数据 让data_train拆分为d_train + data_cv（用于验证）

1. 数据已传递，模型未受训练：

model_new=linear_model.SGDClassifier(loss='hinge',class_weight='balanced',alpha=0.0001,penalty='l2') clf_new=CalibratedClassifierCV(model_new,method='isotonic',cv=5) clf_new.fit(data_train,output_train) - complete training data

1. 数据已经受过训练，cv ='prefit'

model_new=linear_model.SGDClassifier(loss='hinge',class_weight='balanced',alpha=0.0001,penalty='l2') model_new.fit(d_train,out_train) clf_new=CalibratedClassifierCV(model_new,method='isotonic',cv='prefit') clf_new.fit(data_cv,output_cv) - validation data

1. 数据已接受训练，cv = 5

model_new=linear_model.SGDClassifier(loss='hinge',class_weight='balanced',alpha=0.0001,penalty='l2') model_new.fit(data_train,output_train) clf_new=CalibratedClassifierCV(model_new,method='isotonic',cv=5) clf_new.fit(data_train,output_train) - complete training data

我的疑问是： 在情况1中：校准模型（clf_new）装有data_train，并且在模型中使用cv = 5。因此，数据在内部分为d_train + d_cv（基于cv整数）。现在，当我们通过SGDClassifier模型（model_new）进行校准时，此SGDClassifier将仅在d_train以上采用并平衡数据，因为我已经使用class_weight ='balanced'然后训练了该数据？我相信step3是正确的，然后CalibratedClassifierCV使用d_cv（不平衡）来预测输出，然后我们可以获得概率。如果在这种平衡和不平衡的数据情况下我的理解是错误的，请纠正我。

在情况2中：使用平衡数据训练SGD分类器，然后使用cv = prefit进行校准，并使用不平衡的cv数据训练，

在第3种情况下：SGD分类器是使用class_weight ='balanced'的火车数据进行训练的，我没有再次将其拆分为cv，因此使用cv = 5进行了校准并在相同的火车数据上进行了训练

根据上面的代码，我的理解是在case2，case3中使用了校准不平衡数据。但是在case2中，我使用的是单独的简历数据，因此使用了不平衡的数据，而在case3中，我使用的是相同的训练数据，但将cv = 5传递给了校准的分类器，因此我认为这将包含不平衡的数据，请理解我的意见。是错误的。

请详细说明这三种情况。