Class 权重对比 under/oversampling
Class weights vs under/oversampling
在不平衡分类（使用 scikit-learn）中平衡 类（即将 class_weight 设置为平衡）与使用 SMOTE 进行过采样有什么区别？
两者的预期效果是什么？
Class 权重通过对具有更多（或更少）权重的 class 给予更多（或更少）惩罚来直接修改损失函数。实际上，通过故意使模型偏向于更准确地预测更高权重 class，基本上牺牲了一些预测较低权重 class（不平衡数据集的大多数 class）的能力（少数class）。
过采样和欠采样方法本质上也给特定的 classes 更多的权重（重复观察会重复对这些特定观察的惩罚，使它们对模型拟合有更大的影响），但由于数据拆分通常发生在训练中，这也会产生略有不同的结果。
请参考https://datascience.stackexchange.com/questions/52627/why-class-weight-is-outperforming-oversampling
在不平衡分类（使用 scikit-learn）中平衡 类（即将 class_weight 设置为平衡）与使用 SMOTE 进行过采样有什么区别？ 两者的预期效果是什么？
Class 权重通过对具有更多（或更少）权重的 class 给予更多（或更少）惩罚来直接修改损失函数。实际上，通过故意使模型偏向于更准确地预测更高权重 class，基本上牺牲了一些预测较低权重 class（不平衡数据集的大多数 class）的能力（少数class）。
过采样和欠采样方法本质上也给特定的 classes 更多的权重（重复观察会重复对这些特定观察的惩罚，使它们对模型拟合有更大的影响），但由于数据拆分通常发生在训练中，这也会产生略有不同的结果。
请参考https://datascience.stackexchange.com/questions/52627/why-class-weight-is-outperforming-oversampling