怎样在Python中处理类别不平衡的逻辑回归_设置class

class_weight="balanced"按公式n_samples/(n_classes×n_samples_in_class)计算各类权重，使稀有类损失贡献放大；键必须匹配真实标签类型，与sample_weight相乘叠加，CV中需在模型构造时传入。

怎样在python中处理类别不平衡的逻辑回归_设置class_weight参数

class_weight="balanced" 是怎么算出来的

它不是简单按类别频次倒数缩放，而是用 n_samples / (n_classes * n_samples_in_class) 公式自动计算每个类的权重。比如训练集共 1000 条样本，其中正类 50 条、负类 950 条，那么正类权重是 1000 / (2 * 50) = 10.0，负类是 1000 / (2 * 950) ≈ 0.526。这个机制本质是让稀有类的损失贡献被放大，从而推动模型更关注少数类。

手动传入字典时 key 必须是真实标签值

如果你的标签是字符串（如 "spam" 和 "ham"），class_weight 字典就得写成 {"spam": 10, "ham": 1}；如果是整数标签（如 0 和 1），就必须用 {0: 10, 1: 1}。传错类型或键不存在会直接报错：ValueError: Class label not found。

常见错误包括：

用 {1: 10, 0: 1} 但实际标签是 ["A", "B"]
标签含 np.nan 或未去重，导致字典 key 不全
训练前做了 LabelEncoder，但没同步更新 class_weight 字典的 key

和 sample_weight 混用时优先级关系

class_weight 在拟合前就转换为内部的 sample_weight，所以它和显式传入的 sample_weight 参数是相乘关系。也就是说，最终每个样本的权重 = class_weight[标签] × sample_weight[i]。

这意味着：

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

如果同时设了 class_weight="balanced" 和自定义 sample_weight，效果不是“二选一”，而是叠加
当你要对某几个难分样本额外加权时，得先确认 class_weight 已经拉高了整个类的基线权重，再微调个别样本
调试时建议先固定 class_weight，单独验证 sample_weight 的影响，避免干扰源太多

别忽略 cross-validation 中的 class_weight 传递

用 sklearn.model_selection.cross_val_score 或 GridSearchCV 时，class_weight 必须通过 estimator 构造时传入，不能在 fit() 阶段临时加——因为 CV 会反复新建模型实例。

正确写法是：

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import cross_val_score
<p>lr = LogisticRegression(class_weight="balanced")  # ✅ 这里传
scores = cross_val_score(lr, X, y, cv=5, scoring="f1")</p>

错误写法是：

# ❌ 下面这行不会生效：cv 过程中每个 fold 都会重新 init LogisticRegression，不带 class_weight
cross_val_score(LogisticRegression(), X, y, cv=5, fit_params={"class_weight": "balanced"})

另外注意：class_weight="balanced" 是按**每次 CV fold 的训练子集**独立计算的，不是用全量数据算一次再复用。这点在小数据集上会导致 fold 间权重波动较大。