我得到了一组测试数据，这些数据由三个人判定为真或假。我还得到了他们的信心程度——例如，有时三分之二的人会朝一个方向达成一致。我如何将这些信息整合到我的分类模型中？我已经研究了SGDClassifier，它有class_weight参数，支持向量机（SVM）也有这个参数。我接着遍历每一个信心水平，并为每一行数据分配权重3或2，这取决于所有三个人是否对分类达成了一致:

x=0weights = {}for d in confidence:    val = int(d[1])    if(val == 1):        weight = 3    else: # d=0.66        weight = 2    x = x+1    weights[x] = weight

不幸的是，当我运行以下代码时:

SGDClassifier(class_weight=weights)

我得到了如下错误:

类标签2不存在。

我哪里做错了？

回答：

数据点的confidence应该用sample_weight来表达，而不是class_weight。

一些分类器的.fit方法接受sample_weight参数。

在scikit-learn的文档中有一个示例展示了如何使用支持向量分类器来做到这一点。相关摘录如下:

# 拟合模型clf_weights = svm.SVC()clf_weights.fit(X, y, sample_weight=sample_weight_last_ten)