用于多分类和不平衡数据的 XGBoost

Question

我正在处理一个 class化问题，有 3 个 classes [0,1,2] 和不平衡的 class 分布，如下所示。

我想应用 XGBClassifier（在 Python 中）到这个 class化问题，但是模型没有响应 class_weight调整和偏向大多数 class 0，并忽略少数 classes 1,2。 class_weight 以外的哪些超参数可以帮助我？

我试过 1) 使用 sklearn compute_class_weight 计算 class 权重； 2）根据classes的相对频率设置权重； 3) 并且还用极值手动调整 classes 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 classes 考虑在内对 classifier 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class使问题成为二进制class化es [1,2]，然后我可以通过调整 scale_pos_weight 使 classifier 正常工作（即使在这种情况下，仅 class_weight 也无济于事）。但据我所知，scale_pos_weight 适用于二进制 class 化。对于多class化问题，是否有此参数的类似物？
使用RandomForestClassifier代替XGBClassifier，我可以通过设置class_weight='balanced_subsample'和调整max_leaf_nodes来解决这个问题。但是，出于某种原因，这种方法不适用于 XGBClassifier。

备注：我知道平衡技术，例如over/undersampling，或SMOTE。但我想尽可能避免使用它们，如果可能的话，我更喜欢使用模型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。

Answer 1

sample_weight 参数用于处理不平衡数据，同时使用 XGBoost 训练数据。您可以使用 sklearn 库的 compute_sample_weight() 计算样本权重。

此代码适用于多类数据：

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)

用于多分类和不平衡数据的 XGBoost

XGBoost for multiclassification and imbalanced data

python

xgboost

multiclass-classification

imbalanced-data

xgbclassifier