我想使用DecisionTreeRegressor进行多输出回归，但我想为每个输出设置不同的“重要性”权重（例如，准确预测y1的重要性是预测y2的两倍）。
是否有办法直接在sklearn的DecisionTreeRegressor中包含这些权重？如果没有，我如何在sklearn中为每个输出创建一个具有不同权重的自定义均方误差标准？
回答：
很遗憾，在进行拟合时，您只能提供一组权重https://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeRegressor.html#sklearn.tree.DecisionTreeRegressor.fit
更令人失望的是，由于只允许一组权重，sklearn中的算法都是基于一组权重设计的。
关于自定义标准：
在scikit-learn中有一个类似的问题https://github.com/scikit-learn/scikit-learn/issues/17436
潜在的解决方案是创建一个模仿现有标准（例如MAE）的标准类 https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/tree/_criterion.pyx#L976
然而，如果您仔细查看代码，会发现所有关于权重的变量都是“一组权重”，这对于不同的任务来说不够具体。
因此，为了定制，您可能需要修改大量代码，包括：
-
修改fit函数以接受一个二维权重数组https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/tree/_classes.py#L142
-
绕过检查（否则继续修改…）
-
修改树构建器以允许权重https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/tree/_tree.pyx#L111这很糟糕，有很多相关变量，您应该将double改为double*
-
修改Criterion类以接受一个二维权重数组https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/tree/_criterion.pyx#L976
-
在初始化、重置和更新时，您必须保持诸如self.weighted_n_node_samples等属性特定于输出（任务）。
说实话，我认为实现这一点真的很难。也许我们需要向scikit-learn小组提出一个问题。
