如何在通过pandas_ml调用XGBoost时传入权重矩阵

好问题！我之前用pandas_ml结合XGBoost的时候也研究过这个点，其实它的操作逻辑和设置目标列非常相似，具体可以按以下步骤来做：

• 第一步：准备权重数据
  先把你的样本权重数据添加到原始的pandas DataFrame中，比如新增一列命名为sample_weights，把权重值赋值进去。

• 第二步：创建带权重的ModelFrame
  初始化ModelFrame时，除了用target参数指定目标变量列，额外加上weights参数，传入权重列的名称就行：

  from pandas_ml import ModelFrame
  import xgboost as xgb
  
  # 假设你的原始数据是df，目标列是'y'，权重列是'sample_weights'
  mf = ModelFrame(df, target='y', weights='sample_weights')
  

• 第三步：训练模型
  接下来直接调用ModelFrame的XGBoost模型方法，fit的时候pandas_ml会自动把权重传递给底层的XGBoost DMatrix，完全不需要手动构造DMatrix：

  # 分类模型示例
  model = mf.xgboost.XGBClassifier()
  model.fit()
  
  # 回归模型示例
  # model = mf.xgboost.XGBRegressor()
  # model.fit()
  

原理其实很简单：pandas_ml的ModelFrame在对接XGBoost时，会自动提取weights参数指定的列，作为原生XGBoost中xgboost.DMatrix的weight参数传入，完美衔接了原生API的功能，同时保持了ModelFrame的便捷性。

内容的提问来源于stack exchange，提问作者Bazman