0
A
回答
0
0
我不確定是否有一種方法將所有算法都對待class_weight
。
決策樹(和森林)處理這個問題的方法是通過根據類別修改每個樣本的權重。
您可以考慮將樣本加權爲更一般的過採樣情況全部少數類樣本(使用權重可以「過採樣」樣本的小數部分)。
相關問題
- 1. ScikitLearn中的Undersampling vs class_weight隨機森林
- 2. 關於tree.decisionTreeClassifier調整class_weight
- 3. Class_weight在Python中
- 4. 如何處理Scikitlearn randomforest分類器中的名稱列。 python 3
- 5. 如何使用ScikitLearn在XGBoost中實施單調約束?
- 6. Keras - class_weight錯誤
- 7. Android NDK - 如何強調對象類
- 8. Kivy Android Scikitlearn
- 9. scikit-learn中的class_weight參數如何工作?
- 10. 如何以簡單的方式在Keras中分配class_weight?
- 11. 如何將ScikitLearn分類器應用於大圖中的瓷磚/窗口
- 12. Logistic迴歸在scikitlearn
- 13. Python/Scikitlearn中的分類變量沒有一次性編碼
- 14. 分層抽樣的python scikitlearn
- 15. 瞭解Python中的scikitlearn PCA.transform函數
- 16. Keras:用於單熱編碼的類權重(class_weight)
- 17. 如何在Scikitlearn中繪製S形概率曲線?
- 18. 使用Scikitlearn爲音樂流派分類創建kNN分類器
- 19. 只強調一個類
- 20. 我如何強調GPU
- 21. 如何強調活動div
- 22. 如何強調該塊
- 23. Itext - 如何強調半行?
- 24. 如何強制調用paintComponent?
- 25. 如何強調在Magento
- 26. 如何在listview中強調一行?
- 27. 如何在Android XML中強調文本?
- 28. 如何在iPhone SDK中強調UILabel?
- 29. 如何在CSS中強調空格?
- 30. 如何在Python中強調文本
這通常是正確的。但是,我認爲這個問題是如何實際完成的? – AndreyF
是的,問題在於它如何懲罰大多數人。 – Peter