svm scikit learn 中的类权重 = none 和 auto 之间有什么区别

在 scikit learn svm 分类器中，class_weight = None 和 class_weight = Auto 之间有什么区别？

从文档中它给出为

将类 i 的参数 C 设置为 SVC 的 class_weight[i]*C。如果没有给出，则所有类别的权重都应该为一。 “自动”模式使用 y 的值来自动调整与类别频率成反比的权重。

class sklearn.svm.SVC(C=1.0, kernel='rbf', degree=3, gamma=0.0, coef0=0.0, shrinking=True, probability=False, tol=0.001, cache_size=200, class_weight=None, verbose=False, max_iter=-1, random_state=None)

但使用自动模式有什么好处呢？我无法理解它的实现。

这发生在class_weight.py 文件:

elif class_weight == 'auto':
    # Find the weight of each class as present in y.
    le = LabelEncoder()
    y_ind = le.fit_transform(y)
    if not all(np.in1d(classes, le.classes_)):
        raise ValueError("classes should have valid labels that are in y")

    # inversely proportional to the number of samples in the class
    recip_freq = 1. / bincount(y_ind)
    weight = recip_freq[le.transform(classes)] / np.mean(recip_freq)

这意味着您的每个班级（在classes) 得到的权重等于1除以该类别在数据中出现的次数（y），因此出现频率较高的类的权重会较低。然后将其进一步除以所有逆类别频率的平均值。

优点是您不再需要担心自己设置类权重：这对于大多数应用程序来说应该已经很好了。

如果你查看上面的源代码，对于None, weight充满了 ，因此每个类别的权重相等。