我需要在scikit-learn中编写一个自定义random_selection（用于特征的随机选择，即“ max_feature”和训练数据的子集，即“ subsample”），与sklearn.ensemble.RandomForestClassifier和GradientBoostingClassifier一起使用。有人可以指出一些示例/文档/讨论等吗？想法是使用以下方法中的一列（不依赖于Y）进行分层 在RandomForestClassifier中训练装袋数据
noa37688 回答：sklearn集成的自定义random_sampling
似乎您在这里有两个主要选择：
- 您可以手动遍历学习者。速度会非常慢，但是您可以手动输入采样数据。
或2。您可以按类别比例的倒数对样本加权（例如，如果您的数据像[a，a，b，b，b]，则样本权重将为[5/2，5/2 ，5 / 3、5 / 3、5 / 3]之类的方法。这样，每个变量值对损失的总贡献就相等，您可以通过将权重输入model.fit(X,y,sample_weight=sample_weight)