时间戳

首页 > 解决方案 > LinearSVC 中参数 class_weight 的最佳值是多少？

python - LinearSVC 中参数 class_weight 的最佳值是多少？

问题描述

我有一个多标签数据（一些类有 2 个和一些 10 个标签），我的模型过度拟合平衡值和无值。为 class_weight 参数设置的最佳值是什么。

from sklearn.svm import LinearSVC
svm = LinearSVC(C=0.01,max_iter=100,dual=False,class_weight=None,verbose=1)

标签： pythonscikit-learnsvmlibsvmscikit-multilearn

解决方案

class_weight参数实际上通过以下方式控制参数C：

class_weight : {dict, 'balanced'}, 可选

将第 i 类的参数 C 设置class_weight[i]*C为 SVC。如果没有给出，所有的类都应该有一个权重。“平衡”模式使用 y 的值自动调整与输入数据中的类频率成反比的权重，如下所示n_samples / (n_classes * np.bincount(y))

尝试class_weight在保持C不变的情况下使用，例如 C=0.1

编辑

class_weight这是为您的 171 个班级创建的绝妙方法。

# store the weights for each class in a list
weights_per_class = [2,3,4,5,6]

#Let's assume that you have a `y` like this:
y = [121, 122, 123, 124, 125]

你需要：

# create the `class_weight` dictionary
class_weight = {val:weights_per_class[index] for index,val in enumerate (y)}

print(class_weight)
#{121: 2, 122: 3, 123: 4, 124: 5, 125: 6}

# Use it as argument
svm = LinearSVC(class_weight=class_weight)

推荐阅读