scikit-learn多标签分类中样本权重的使用方法咨询

好问题！在多标签分类场景下，用OneVsRestClassifier包裹SGDClassifier时传递样本权重的方式，和二分类逻辑基本一致，只需要注意数据格式的匹配即可。

核心逻辑 #

OneVsRestClassifier的fit方法原生支持接收sample_weight参数，它会自动把这个权重传递给每个内部的SGDClassifier实例，让每个标签对应的二分类器都能使用样本权重进行训练。

完整代码示例 #

下面是一个完整的实操案例，包含多标签转换、模型定义和权重传递：

from sklearn.linear_model import SGDClassifier
from sklearn.multiclass import OneVsRestClassifier
from sklearn.preprocessing import MultiLabelBinarizer

# 准备多标签样本数据
X = [[0.0, 0.0], [1.0, 1.0], [2.0, 2.0], [3.0, 3.0]]
# 原始多标签格式：每个样本可对应多个标签
y = [[0], [1], [0, 1], [1]]

# 把多标签转换为scikit-learn要求的二进制矩阵格式
mlb = MultiLabelBinarizer()
y_binary = mlb.fit_transform(y)

# 定义样本权重：每个样本对应一个权重值（一维数组，长度等于样本数）
sample_weight = [1.0, 0.5, 2.0, 1.5]

# 用OneVsRestClassifier包裹SGDClassifier
multi_clf = OneVsRestClassifier(SGDClassifier(loss="hinge"))
# 直接在fit时传入sample_weight参数即可
multi_clf.fit(X, y_binary, sample_weight=sample_weight)

细节说明 #

• 一维权重（常用场景）：上面示例中的sample_weight是一维数组，每个元素对应一个样本的权重。这种情况下，每个标签对应的二分类器都会使用同一组权重训练，适合你希望给整个样本赋予统一权重的场景。
• 二维权重（特殊场景）：如果需要针对不同标签给同一个样本设置不同权重，可以传递一个形状为(样本数, 标签数)的二维数组。此时每个标签的分类器会取对应列的权重进行训练，这种需求在实际业务中相对少见。

内容的提问来源于stack exchange，提问作者klamann