我正在使用scikit中的RandomForest方法進行3D點識別。我不斷遇到的一個問題是，某些類別比其他類別更經常出現。這意味着在從訓練分類器生成預測的過程中，如果分類器不確定一個點類，它將更有可能假定它屬於一個普通類，而不是不那麼不常見的類。如何在RandomForest實現中加權類
我看到，在scikit文檔for random forests中，fit方法中有一個sample_weight參數。根據我所能說的，只是對某些總體樣本進行加權（例如，我有50個文件正在接受培訓，它會將第一個樣本加權爲其他所有內容的兩倍），而不是類。這並不能解決這個問題，因爲在我所有的樣本中，最不常見的類都很少見。這只是這個特定階層的性質。
我發現了一些關於平衡隨機森林和加權隨機森林的論文。但我還沒有看到如何在scikit中使用它。我希望我錯了 - 有沒有一種方法來減輕內置的類？我應該寫一些單獨的東西來人爲地增加樣本中不同類別的重量嗎？
* 編輯澄清我sample_weight的理解* Sample_weight根據文件似乎指的是樣品，而不是類的重量。所以，如果我有文件A，B和C類1，2和3 而且我們說：
A = [1 1 1 2]
B = [2 2 1 1]
C = [3 1 1 1]
展望上面我們有一個情況，很簡單的，我們在其中只有很少的3級相比，其他類。我的情況有8個階段，正在接受數百萬分的訓練，但這個比例對於兩個特定的階層仍然是令人難以置信的偏向。
使用sample_weight，它接受一個大小爲m的數組（m是樣本數），我將能夠權衡這三個文件中的任何一個的工作情況。所以我的理解是，我可以做一個sample_weight = [1 1 2]，這樣可以使樣本C比其他兩個樣本強兩倍。但是這並沒有真正的幫助，因爲我的問題是第3類是非常罕見的（在實際數據中，它是從數百萬中的1k點而不是12中的1個）。增加任何給定樣本的權重不會增加特定類別的權重，除非我僞造一些數據，其中樣本幾乎不包含該特定類別。
我在文檔中找到了sklearn.preprocessing.balance_weights(y)，但我找不到任何人使用它。理論上它做我需要做的事情，但我沒有看到如何將權重數組放回我的隨機森林。
我不明白：「這不能解決這個問題，因爲在我所有的樣本中，最不常見的類很少見，只是這個特定類的性質。」 如果您將樣本權重放在'sample_weight =（1/n_samples_in_same_class）'中，它將爲您提供合理的類別權重值。 – ogrisel
sample_weight根據文檔似乎指的是樣本而非類的權重。 – Nahkki
是的，但您可以將相同的樣本權重分配給同一班級的所有樣本，並且您有效地加權，就好像您已提供班級權重一樣。可以通過提供樣本權重來模擬課堂權重，但不能相反。 – ogrisel