3

我正在处理一个具有 3 个类别 [0,1,2] 的分类问题，并且类别分布不平衡，如下所示。

在此处输入图像描述

我想将XGBClassifier（在 Python 中）应用于此分类问题，但模型不响应class_weight调整并偏向多数类 0，并忽略少数类 1,2。class_weight除了可以帮助我之外，还有哪些超参数？

我尝试 1) 使用 sklearn 计算类权重compute_class_weight；2）根据班级的相对频率设置权重；3）并且还手动调整具有极值的类以查看是否发生任何变化，例如{0:0.5,1:100,2:200}。但无论如何，将少数类考虑在内对分类器没有帮助。

观察：

  • 我可以在二进制情况下处理问题：如果我通过识别类 [1,2] 使问题成为二进制分类，那么我可以通过调整使分类器正常工作scale_pos_weight（即使在这种情况下class_weight也无济于事）。但是scale_pos_weight，据我所知，适用于二进制分类。对于多分类问题，是否有此参数的类似物？

  • 使用RandomForestClassifier而不是XGBClassifier，我可以通过设置class_weight='balanced_subsample'和调整来处理问题max_leaf_nodes。但是，由于某种原因，这种方法不适用于 XGBClassifier。

备注：我了解平衡技术，例如过采样/欠采样或 SMOTE。但我想尽可能地避免它们，如果可能的话，我更喜欢使用模型的超参数调整的解决方案。我上面的观察表明这适用于二进制情况。

4

1 回答 1

5

sample_weight参数对于在XGBoost用于训练数据时处理不平衡数据很有用。您可以使用库计算样本权compute_sample_weight()重sklearn。

此代码应适用于多类数据：

from sklearn.utils.class_weight import compute_sample_weight
sample_weights = compute_sample_weight(
    class_weight='balanced',
    y=train_df['class'] #provide your own target name
)

xgb_classifier.fit(X, y, sample_weight=sample_weights)
于 2021-06-07T10:19:25.077 回答