使用 Python SkLearn 梯度提升分类器。我正在使用的设置是选择随机样本（随机）。对其中一个二元类（结果 = 0）使用 sample_weight 1，对另一个类（结果 = 1）使用 20。我的问题是这些权重如何以“外行术语”应用。
是不是在每次迭代中，模型都会从样本中选择 x 行作为 0 结果，选择 y 行作为 1 结果，然后 sample_weight 设置将启动并保留所有 x 但对 y (1) 结果进行过采样20倍？
在文档中，我不清楚 sample_weight > 1 是否过采样。我知道 class_weight 是不同的，不会改变数据，而是模型如何通过损失函数解释数据。另一方面，Sample_weight 是否真的通过过采样有效地改变了输入模型的数据？
谢谢