class_weight="balanced"按公式n_samples/(n_classes×n_samples_in_class)计算权重，如1000样本、3类别、分布[800,150,50]时权重≈[0.417,2.222,6.667]，分母含类别数以均衡各类总惩罚量。
class_weight="balanced"到底怎么算的
它不是简单地让每个类的权重等于总样本数除以该类样本数，而是按 total_samples / (n_classes * n_samples_in_class) 算的。比如 1000 个样本、3 个类别、各类别数量分别是 [800, 150, 50]，那权重就是：[1000/(3*800), 1000/(3*150), 1000/(3*50)] ≈ [0.417, 2.222, 6.667]。注意分母里有 n_classes 这一项——很多人误以为是 total_samples / n_samples_in_class，结果自己手算对不上。
手动传入class_weight字典时的常见错误
最容易出错的是键类型不匹配：如果你的 y 是 int 类型（比如 [0, 1, 2]），字典就得用 {0: 1.0, 1: 5.0, 2: 10.0}；如果 y 是 str（比如 ["cat", "dog", "bird"]），那字典必须写成 {"cat": 1.0, "dog": 5.0, "bird": 10.0}。传错类型会直接报 ValueError: Class label not found。
其他要点：
- 字典只需覆盖训练集中实际出现的类别，没出现的类不用写
- 权重值可以是任意正浮点数，不强制归一化
- 如果用了
sample_weight参数，class_weight会先作用于损失函数，再和sample_weight相乘
LogisticRegression和SVC对class_weight的支持差异
LogisticRegression 默认支持 class_weight，且在 solver="liblinear" 或 "saga" 下表现稳定；但 SVC 虽然也接受该参数，实际生效的是对 hinge 损失的调整，且在 kernel="rbf" 时效果常不如预期——尤其当类别极度不平衡时，它可能仍倾向于多数类，这时得配合 decision_function_shape="ovr" 和调小 C 来缓解。
关键区别：
-
RandomForestClassifier内部不通过损失加权，而是用class_weight影响分割时的基尼不纯度计算方式 -
XGBClassifier不认class_weight，得改用scale_pos_weight（仅限二分类）或手动构造sample_weight -
class_weight对SGDClassifier有效，但需确保loss支持加权（如"log_loss"或"hinge"）
验证class_weight是否真正起效的方法
不能只看训练集上的准确率——多数类占比高时，全猜多数类也能达到 90%+ 准确率。应该看 classification_report(y_true, y_pred) 中每个类的 f1-score，尤其是少数类；更稳妥的是在验证集上画 confusion_matrix，确认召回率（recall）是否提升。
快速验证步骤：
- 训练两个模型：一个带
class_weight="balanced"，一个不带 - 用同一验证集预测，分别调用
clf.predict_proba(X_val) - 对比少数类的平均预测概率：加权后应明显高于未加权版本（例如从 0.15 升到 0.35）
- 检查
clf.classes_和clf.n_features_in_是否正常，避免因数据预处理 bug 导致权重被静默忽略
真正容易被忽略的是：class_weight 只影响训练时的损失计算，不改变预测逻辑本身；如果特征本身无法区分少数类，再高的权重也救不回 recall —— 它不是魔法，只是让模型“更愿意”学少数类的模式。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
