假设您的监督学习训练集由 3 个不同的数据集组成，合并成一个大数据集。由于在合并之前每个都被标记的方式，您可能会怀疑其中一个（可能是最小的）比其他的更“重要”，这意味着它们的标签更可靠。其他可能包含更多错误。
您如何为 ML 模型加权最可靠的数据点，以便在这些样本上出错时更加关注它们并增加损失？有没有一种使用 scikit-learn 实现这一点的简单方法？
如何为不同的训练样本设置不同的权重？
数据挖掘
机器学习
scikit-学习
监督学习
2022-02-18 15:37:37
1个回答
在 scikit-learn 中，大多数算法（SVM、决策树、SGD 等）都有一个sample_weight参数，可以在拟合时传递。在您的情况下，您可以根据数据点来自 3 个数据集中的哪一个来提供不同的权重。
如果您要使用的算法没有提供sample_weight参数，您可以随时进行替换采样。简单地说，你给每个样本权重，然后通过替换抽样来创建你的数据集。这意味着具有较高权重的实例可能会在您的数据集中出现多次。
其它你可能感兴趣的问题