sklearn.utils.class_weight.compute_sample_weight?

sklearn.utils.class_weight.compute_sample_weight(class_weight, y, *, indices=None)

源碼

對不平衡數據集按類別估計樣本的權重。

參數 說明
class_weight dict, list of dicts, “balanced”, or None, optional
與類相關的權重，格式為{class_label：weight}。 如果未給出，則所有類權重均為一。 對于多輸出問題，可以按與y列相同的順序提供字典列表。
請注意，對于多輸出（包括多標簽），應在其自己的字典中為每列的每個類定義權重。 例如，對于四類多標簽分類，權重應為[{0：1、1：1：1]，{0：1、1：5}，{0：1、1：1：1}，{0：1、1： 1}]，而不是[{1：1}，{2：5}，{3：1}，{4：1}]。
“平衡”模式使用y的值來自動調整與輸入數據中與類頻率成反比的權重：n_samples /（n_classes * np.bincount（y））。
對于多輸出，y的每一列的權重將相乘。
y array-like of shape (n_samples,) or (n_samples, n_outputs)
每個樣本的原始類別標簽數組。
indices array-like, shape (n_subsample,), or None
子樣本中使用的索引數組。 對于子樣本，長度可以小于n_samples；對于具有重復索引的子樣本，長度可以等于n_samples。 如果沒有，則將在整個樣本中計算樣本重量。 如果提供了class_weight，則僅支持設置“ balanced”。
返回值 說明
sample_weight_vect ndarray, shape (n_samples,)
與應用于原始y的樣本權重相同的數組