将权重作为参数传递给 xgb.DMatrix 是否与将我们的预测变量（例如 y）乘以权重相同？
更详细地说，我有一个数据集，其中包含 3 个可能值 0、1、2 的事故编号。我想按用户每年驾驶的天数对其进行加权，其值类似于 1/ 365、2/365 ... 364/365 和 365/365。
y = [0, 1, 0, 0, 2, 0, 0,1] 重量 = [1/365, 31/365, 60/365, 20/365, 3/365, 50/365, 32/365 ]我的问题是，如果我将 y 转换为 y/weight，并在没有任何权重的情况下传递给 xgboost，是否与仅通过 weight 传递 y 相同？
请注意，我的目标 = 计数：泊松
它不会是一样的。检查 XGBoost 如何处理权重：
https://github.com/dmlc/xgboost/issues/144
加权意味着增加一个例子（或一个类）对损失函数的贡献。这意味着该示例的梯度的贡献也将更大。这就是为什么（正如您将在我上面链接的讨论中看到的那样）xgboost 将梯度和粗麻布乘以权重，而不是目标值。
这是不一样的。如果您使用 y/weight 所有示例的权重相同。如果您想更加强调示例，则需要指定带有权重的向量。
一个基于你的 y 和权重的小例子。
y <- c(0, 1, 0, 0, 2, 0, 0,1)
weights <- c(1/365, 31/365, 60/365, 20/365, 3/365, 50/365, 32/365, 165/365)
set.seed(424)
x <- matrix(sample(seq(0, 24, by = 0.1), size = 24, replace = TRUE), 8, 4)
xgboost(data = x, label = y, weight = weights,
max_depth = 2, eta = 1, nthread = 2, nrounds = 2,
objective = "count:poisson")
示例权重与复制完全相同（假设整数权重）。因此，在您的情况下，如果 weight = [1/365, 31/365, 60/365, 20/365, 3/365, 50/365, 32/365 ]，则与第一个副本相同例如，第二个示例的 31 个副本，依此类推。请注意，无论如何都不会影响目标值，它保持不变。