如何补全逻辑回归类别不平衡处理代码的amount_0与amount_1行？

根据需求，这里提供几种补全amount_0和amount_1的常用实现方式，适配不同类型的y_train数据结构：

1. 若y_train是NumPy数组 #

import numpy as np
amount_0 = np.sum(y_train == 0)
amount_1 = np.sum(y_train == 1)

通过np.sum()统计布尔数组中True的数量，直接得到对应标签的样本总数。

2. 若y_train是Pandas Series #

import pandas as pd
counts = y_train.value_counts()
amount_0 = counts.get(0, 0)  # 标签0不存在时默认返回0，避免KeyError
amount_1 = counts.get(1, 0)

利用value_counts()直接获取各标签的计数，再通过get()安全取值。

3. 若y_train是普通Python列表 #

amount_0 = y_train.count(0)
amount_1 = y_train.count(1)

调用列表内置的count()方法，直接统计指定元素的出现次数。

关于后续权重计算的说明 #

你提供的权重计算逻辑是通过反向类别占比生成权重：少数类会获得更高的权重，让模型在训练时更关注少数类的预测错误，以此缓解类别不平衡带来的模型偏差。

内容的提问来源于stack exchange，提问作者bella swan