我有一个神经网络，我想使用监督学习进行训练。然而，训练集的一些样本比其他样本具有更好的“质量”，所以我希望算法对它们给予“特别关注”。作为一般问题，如何在实施中考虑到这一点？

更具体地说，我正在使用 OpenCV 并注意到 train 方法显然有这样的参数：

cv2.ANN_MLP.train(inputs, outputs, sampleWeights[, sampleIdx[, params[, flags]]]) → retval

在哪里：

sampleWeights –（仅限 RPROP）每个样本的可选权重浮点向量。对于训练，一些样本可能比其他样本更重要。您可能希望提高某些类别的权重，以在命中率和误报率之间找到适当的平衡，等等。

但是 OpenCV 文档对此并不清楚，那么如何处理这个参数呢？