compute_class_weight

sklearn.utils.class_weight.compute_class_weight(class_weight, *, classes, y)

估计不平衡数据集的类权重。

参数:

class_weight法令、“平衡”或无

如果“平衡”，类权重将由 n_samples / (n_classes * np.bincount(y)) .如果给出了字典，则键是类，值是相应的类权重。如果 None 是给定的，班级权重将是均匀的。

classesndarray

数据中出现的类的数组，如由 np.unique(y_org) 与 y_org 原始的班级标签。

y形状类似阵列（n_samples，）

每个样本的原始类标签数组。

返回:

class_weight_vect形状的nd数组（n_classes，）

阵列与 class_weight_vect[i] i级的重量。

引用

“平衡”启发式的灵感来自罕见事件数据中的逻辑回归，King，Zen，2001年。

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])