【分类小积累】类别权重（class weight）和样本权重(sample weight)

1.类别权重 （误分类代价很高时使用）

class weight：传入一个各类别权重字典，表示模型对各类别的关注程度。如下图，11类就有11个权重参数。是平衡分类的一种简单的方式，通过设置类别权重以平衡数据集中样本分布不均衡的情况。（例如在分类合格品和不合格品时，将不合格品分类为合格品的话，对于检查人员这一错误的代价就很大，因此就可以适当提高不合格品这一类别的权重参数，增加分类的准确性）

    计算（参考【调参07】不平衡分类问题中分类权重计算与设置_datamonday的博客-CSDN博客_类别权重）

        1）class weight，要求每类样本受到相同的关注，                           ​​​​​​​      

 又因为0-1效果要更好一些，所以权重参数可设置为0.069,0.18

  2. 样本权重（样本类别极度不平衡时使用）

sample weight：每个训练样本的权重，在标准的训练过程中，每个样本都被视为等权重的，即它们对损失函数的贡献是相同的。但如果你要训练一个用于识别猫狗的模型，但数据集中猫的图片远少于狗的图片。为了平衡这种类别不平衡，你可以为猫的图片分配更高的权重，使模型在训练过程中更加关注猫的图片，从而提高对猫的识别能力。

分类问题-样本权重（sample_weight）和类别权重（class_weight）-CSDN博客