如何理解sklearn.metrics中的sample_weight？

Question

当我们评估模型时，我们需要设置sample_weight吗？现在我已经训练了一个关于分类的模型，但是数据集不平衡。当我使用compute_sample_weight('balanced')设置sample_weight时，分数非常好。“1”级精度：0.88，召回率：0.86。但是如果我不设置sample_weight，分数就会很差。精度：0.85，召回率：0.21。样本权重会破坏原始数据分布吗？

Answer 1

样本权重参数仅在训练期间使用。

假设您有一个数据集，其中 16 个点属于“0”类，4 个点属于“1”类。

如果没有此参数，在优化过程中，它们的损失计算权重为 1：它们对模型最小化损失的贡献相同。这意味着 80% 的损失是由于“0”类点造成的，20% 是由于“1”类点造成的。

通过将其设置为“平衡”，scikit-learn 将自动计算分配给“0”类和“1”类的权重，使得 50% 的损失来自“0”类，50% 来自“1”类。

此参数会影响您需要用来将“0”类预测与“1”类预测分开的“最佳阈值”，并且还会影响模型的性能。