这听起来可能是一个奇怪的问题，但我在 sklearn 文档中找不到关于“class_weight”的足够详细信息。我们可以先使用 SMOTE 对数据集进行过采样，然后使用 'class_weight' 选项调用分类器吗？由于我的测试集高度不平衡，我想惩罚少数类的错误分类。谢谢！
将“class_weight”与 SMOTE 相结合
数据挖掘
scikit-学习
多类分类
阶级失衡
打击
不平衡学习
2021-09-22 12:52:23
1个回答
我使用 SMOTE 和 class_weight 的组合尝试了不同的分类器，结果几乎与仅使用 SMOTE方法相同，并且这个新配置几乎没有任何区别（可以预期，遵循 class_weigh 方法背后的逻辑）。
PS：我有一个包含多个类的相当大的数据集。这可能会导致在不同上下文中的不同性能。
其它你可能感兴趣的问题