我们用于建模的样本集是从一个大的整个数据集中采样的。通常当我们在记分卡模型中使用逻辑回归时，我们会将样本集与整个数据集之间好坏样本比率的变化视为因子或权重。
如果我们考虑将模型应用于整个数据集，我认为当我们使用 lightGBM 时，该因素会影响树的分割。就像我们有一个叫做“年龄”的特征。如果我们不考虑权重，它应该在 32 上拆分，但权重告诉我们在整个数据集或总体中，更多的样本低于 25，拆分应该是 28。
我在 lightGBM 中找到了两种可能的方法：将is_unbalance设置为 False 并将scale_pos_weight设置为我们的weight，或者将is_unbalance设置为 True 并将我们的weight作为数组传递给 fit 函数中的参数“sample_weight”。
不知道哪一个是有效的，能达到我们在lightGBM中考虑样本权重的目标