sklearn集成的自定义random_sampling

Question

我需要在scikit中编写一个自定义random_selection (用于随机选择特征，即"max_feature“和训练数据的子集，即”子样本“)模块，以便与sklearn.ensemble.RandomForestClassifier和GradientBoostingClassifier一起使用。有人能举出一些例子/文档/讨论等吗？想法是在RandomForestClassifier中使用训练数据中的一列(不依赖，即Y)进行分层

Answer 1

看起来你有两个主要的选择：

，，

1. ，你可以手动遍历学习器。它会非常慢，但你可以手动输入采样数据。

或者2.你可以通过类别比例的倒数来加权样本(例如，如果你的数据是a，a，b，那么样本权重将是5/2，5/2，5/3，5/3，5/3或类似的东西。这样，对于该变量的每个值，对损失的总贡献是相等的。您可以通过将权重输入到model.fit(X, y, sample_weight=sample_weight)中来完成此操作。