机器学习：样本权重的理解

样本权重

在feed data的过程中，我们总是会用到samle_weight,样本权重的直观理解为：样本权重给出了各个样本的重要性。

具体是怎么体现的了，首先样本权重不是把样本乘以一个系数，这样的话feature值不就改变了，他改变的是该样本的数量，本来一个样本是1个，现在变成了0.8个，或者1.5个，样本数量现在可以取小数个了，对应的这个样本在总体样本中的占比也会变化。

如下代码就能体现，样本权重的作用，它改变的是样本的计数，从而改变了整个样本的信息量。

class Counter:
    def __init__(self, arr, sample_weights=None):
        if sample_weights is None:
            self._counter = Count(arr)
        else:
            self._counter = {}
            sw_len = len(sample_weights)
            for elem, w in zip(arr, sample_weights):
                if elem not in self._counter:
                    self._counter[elem] = w * sw_len
                else:
                    self._counter[elem] += w * sw_len