sklearn.randomforestclassifier 的 sample_weight 参数在 fit() 中传入与样本等长的非负一维数组即可生效，用于加权分裂和 bootstrap 采样，但不可与 class_weight 同时使用。
sklearn.RandomForestClassifier 的 sample_weight 参数怎么用
直接支持，不需要额外封装。只要在 fit() 时传入一维数组即可，长度必须和训练样本数一致。
常见错误是传了 shape 为 (n_samples, 1) 的二维数组，会报 ValueError: Sample weights must be 1D array；或者权重数组里混入 NaN 或负数（sklearn 要求非负）。
- 权重值可以是任意非负浮点数，不强制归一化（内部会自动处理）
- 类别不平衡场景下，给少数类样本赋更高权重，效果通常比过采样更稳定
- 如果用
class_weight='balanced'，它和sample_weight是正交机制：前者按类别自动算权重，后者按每个样本手动指定，二者不能同时使用，否则会报错ValueError: class_weight and sample_weight are not supported together
如何从类别分布推导出合理的 sample_weight
目标是让加权后的各类别样本“有效数量”接近。例如训练集有 900 个 class 0、100 个 class 1，可设 sample_weight[i] = n_samples / (n_classes * n_samples_in_class[y[i]]) —— 这正是 class_weight='balanced' 的底层逻辑。
手动实现时注意：必须先统计真实标签分布，再按每个样本的标签查表赋权，不能直接对预测结果操作。
- 用
np.bincount(y_train)快速获取各类频次 - 用
weights = len(y_train) / (len(np.unique(y_train)) * bincount[y_train])一行生成权重数组 - 若训练数据已做 stratify 划分，验证集无需加权（
sample_weight只影响训练时的树分裂，不影响 predict）
sample_weight 对单棵树和最终预测的影响路径
它作用于两个关键环节：一是 CART 分裂时计算加权基尼不纯度或加权信息增益；二是 Bootstrap 采样时按权重做有放回抽样（即高权重样本更可能被选中）。
这意味着：即使所有样本初始权重相同，每棵树的 bootstrap 子集也会不同；而权重差异越大，各树的训练分布越分化，整体模型多样性可能提升，但也可能加剧方差。
- 默认
bootstrap=True，权重直接影响采样概率；设为False后，权重只影响分裂准则，不改变输入样本集合 -
predict_proba()输出仍是各棵树投票均值，不受权重影响；但因树结构变了，结果自然不同 - 用
oob_score=True评估时，OOB 样本的评估不加权，和训练加权无耦合
验证 sample_weight 是否生效的简单方法
最直接的方式：固定 random_state，分别跑两次训练——一次全 1 权重，一次对某类样本权重翻倍，对比特征重要性（feature_importances_）是否明显偏移，或检查某棵子树的 tree_.threshold 和 tree_.children_left 是否变化。
- 打印一棵树的前几层分割点：
rf.estimators_[0].tree_.threshold[:5]，两次运行结果不同就说明权重起效 - 避免用准确率判断：因为权重改的是训练目标，测试集指标波动可能不大；优先看树结构或特征重要性变化
- 调试时建议先用极小数据集（如 20 行）+
max_depth=1，便于肉眼观察分裂逻辑
实际项目中容易忽略的是：pipeline 中若含标准化或编码步骤，sample_weight 不会自动透传到前面的 transformer，必须手动在 fit() 时逐级传入，否则只有最后一步 RF 收到权重。
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！
