Sklearn：DecisionTreeClassifierを使用した分類のバランスを取る方法は？

Question

クラスが不均衡なデータセットがあります。クラスは0,1または2です。

prediction errorをクラスごとに計算するには、weightsをSklearnに再調整します。

Answer 1

あなたは完全にバランス（同様に重要として、各クラスを扱う）それはdocsに記載されているようあなたは、単に、class_weight='balanced'を渡すことができますしたい場合：

「バランス」モードが自動的にyの値を使用していますクラスAの頻度は10％であり、クラスBの頻度が90％であれば、クラスBが支配的となるであろうn_samples/(n_classes * np.bincount(y))

Answer 2

ように、入力データ のクラスの周波数に反比例 重みを調整しますクラスとこの場合

支配されているクラスに偏ってなり、あなたの意思決定ツリーは、あなたが

clf = tree.DecisionTreeClassifier(class_weight={A:9,B:1}) 

class_weight='balanced'のように、各クラスの重みを指定するには、モデルにDIC {A:9,B:1}を渡すことができますまた、各クラスの頻度の割合に応じてそれだけで自動的に重みを調整し、作業

私はclass_weight='balanced'を使用した後、各クラスのレコード番号は同じになりました（約88923）