如何确定CatBoost分类器class_weights参数对应的类别顺序？

1. 权重列表顺序对应规则 #

CatBoost的class_weights参数仅支持传入列表/数组，不支持字典格式，列表的权重顺序与模型内部的类别排序严格对应，默认排序为训练集标签列去重后的字典升序排列结果，你可以通过以下方式确认准确顺序：

# 方法1：先训练一个极简临时模型获取类别顺序
temp_clf = CatBoostClassifier(verbose=0, iterations=10)
temp_clf.fit(X_train, y_train)
print(temp_clf.classes_)
# 输出结果的顺序就是你需要传入class_weights的权重对应顺序

# 方法2：直接手动计算默认排序
import numpy as np
cat_order = sorted(np.unique(y_train))
print(cat_order)

比如你拿到的顺序是['confused', 'happy', 'mad', 'neutral', 'sad']，那你的权重列表就按这个顺序依次填入对应类别的权重即可。

2. 更简便的自动权重设置方案 #

你不需要手动计算权重和对应顺序，直接使用CatBoost内置的自动类别平衡参数即可：

from sklearn.feature_selection import chi2

pipe = Pipeline([
    ("tokenizer",CountVectorizer(analyzer= 'word',
                                ngram_range=(1, 2),
                                token_pattern=r"\w+",
                                stop_words="english"
                            )),
    # 注意：你原来的SelectKBest写法有误，第一个参数需要传入评分函数，比如卡方检验chi2
    ("feature_selection", SelectKBest(chi2, k=90)),
    ("clf",  CatBoostClassifier(auto_class_weights='Balanced'))
])
pipe.fit(X_train, y_train)

设置auto_class_weights='Balanced'后，CatBoost会自动根据训练集的类别分布计算平衡权重，完全避免顺序对应错误的问题。

3. 手动权重的最优计算方式 #

如果你确实需要手动设置权重，建议使用标准的类别平衡权重计算逻辑，而非你看到的1-占比方式，计算规则为：
单类别权重 = 总样本数 / (类别总数 * 该类别样本数)
该逻辑和scikit-learn的class_weight='balanced'规则一致，对不平衡样本的适配效果更好。

内容的提问来源于stack exchange，提问作者Yuxxxxxx