sklearn逻辑回归中如何应用class_weights？

Question

我对sklearn如何应用我们提供的班级重量感兴趣。该文档没有明确说明在何处以及如何应用类权重。读取源代码也无济于事（似乎使用sklearn.svm.liblinear这样的优化，由于它是.pyd文件，所以我无法读取源代码...）

但是我猜想它可以对cost函数起作用：指定了类权重后，相应类的成本将乘以类权重。例如，如果我分别有2个观察值分别来自类0（权重= 0.5）和类1（权重= 1），则成本函数为：

费用= 0.5 * log（... X_0，y_0 ...）+ 1 * log（... X_1，y_1 ...）+罚款

有人知道这是否正确吗？

Answer 1

检查源代码中的以下几行：

le = LabelEncoder()
if isinstance(class_weight, dict) or multi_class == 'multinomial':
    class_weight_ = compute_class_weight(class_weight, classes, y)
    sample_weight *= class_weight_[le.fit_transform(y)]

compute_class_weight()这是该函数的源代码：

...
else:
    # user-defined dictionary
    weight = np.ones(classes.shape[0], dtype=np.float64, order='C')
    if not isinstance(class_weight, dict):
        raise ValueError("class_weight must be dict, 'balanced', or None,"
                         " got: %r" % class_weight)
    for c in class_weight:
        i = np.searchsorted(classes, c)
        if i >= len(classes) or classes[i] != c:
            raise ValueError("Class label {} not present.".format(c))
        else:
            weight[i] = class_weight[c]
...

在上面的代码片段中，class_weight应用于sample_weight，它在一些内部函数中使用，如_logistic_loss_and_grad、_logistic_loss等：

# Logistic loss is the negative of the log of the logistic function.
out = -np.sum(sample_weight * log_logistic(yz)) + .5 * alpha * np.dot(w, w)
# NOTE: --->  ^^^^^^^^^^^^^^^