compute_class_weight#

sklearn.utils.class_weight.compute_class_weight(class_weight, *, classes, y, sample_weight=None)[source]#

估算不平衡数据集的类别权重。

参数:

class_weightdict, “balanced” or None: 如果为“balanced”，类权重将由 n_samples / (n_classes * np.bincount(y)) 给出，如果提供了 sample_weight，则为它们的加权等效值。如果给定一个字典，键是类，值是相应的类权重。如果给定 None，类权重将是统一的。
classesndarray: 数据中出现的类的数组，由 np.unique(y_org) 给出，其中 y_org 是原始类标签。
yarray-like of shape (n_samples,): 每个样本的原始类标签数组。
sample_weightshape 为 (n_samples,) 的 array-like, default=None: 分配给单个样本的权重数组。仅当 class_weight='balanced' 时使用。

返回:

class_weight_vectndarray of shape (n_classes,): 数组，其中 class_weight_vect[i] 是第 i 个类的权重。

References

“balanced”启发式方法灵感来自 Logistic Regression in Rare Events Data, King, Zen, 2001。

示例

>>> import numpy as np
>>> from sklearn.utils.class_weight import compute_class_weight
>>> y = [1, 1, 1, 1, 0, 0]
>>> compute_class_weight(class_weight="balanced", classes=np.unique(y), y=y)
array([1.5 , 0.75])

compute_class_weight#

本页