使用带scale_pos_weight的XGBoost时，sklearn如何计算验证集准确率？

验证集上的准确率是sklearn计算的未加权准确率，和XGBoost的scale_pos_weight参数没有关系，具体逻辑如下：

• scale_pos_weight是XGBoost训练阶段的专属参数：它仅作用于模型的损失函数，给少数类样本的损失赋予更高权重，引导模型在训练时更关注少数类特征，以此缓解数据不平衡问题，但它不会改变模型预测后指标的计算规则。
• RandomizedSearchCV中scoring="accuracy"采用sklearn原生的准确率计算逻辑：即(预测正确的样本总数) / (验证集总样本数)，完全不涉及样本权重加权——不管训练时有没有设置scale_pos_weight，最终验证指标都严格按照sklearn的评分规则计算。

举个直观例子：假设验证集有90个负样本、10个正样本，模型训练时设置了scale_pos_weight=9，若模型预测对了85个负样本、5个正样本，那么sklearn计算的准确率就是(85+5)/(90+10)=90%，不会给正样本的预测正确数乘以9来加权。

如果需要适配数据不平衡的加权指标，你需要直接指定sklearn的对应评分方式（比如scoring="balanced_accuracy"），或者自定义评分函数，而不是依赖scale_pos_weight改变指标计算。

内容的提问来源于stack exchange，提问作者Eli