class_weight='balanced'按n_samples/(n_classes×n_samples_class)计算各类权重，使损失函数中各类梯度贡献均衡；手动设置时需用真实标签作key，不影响predict_proba输出，调参应避免验证集过拟合，且不可与XGBoost的scale_pos_weight混用。
class_weight=’balanced’ 是怎么算的？
它不是简单按类别频次倒数，而是用 n_samples / (n_classes * n_samples_class) 算每个类的权重。比如二分类中正样本占 5%，那正类权重 ≈ 10，负类权重 ≈ 1.05 —— 本质是让模型在损失函数里“看到”更多正例的梯度贡献。
这个公式隐含两个前提：所有类同等重要、训练集分布能代表真实分布。一旦你有业务逻辑要求（比如误判正例代价是误判负例的 5 倍），class_weight='balanced' 就不够用了。
手动设 class_weight 字典时要注意什么？
必须用真实类别标签作 key，不能假设 0/1 顺序；sklearn 不校验 key 是否在 y 中出现，填了没用的类会静默忽略。
-
class_weight={0: 1, 1: 10}表示把正例（标签为 1）的损失放大 10 倍，等效于在梯度更新时乘以 10 - 如果 y 是字符串标签（如
['cat', 'dog']），必须写成{'cat': 1, 'dog': 5}，不能用索引 - 权重影响的是 loss 计算，不改变预测概率输出，所以
predict_proba()结果仍需配合阈值调整
用 validation set 动态调 class_weight 要避开哪些坑？
直接在验证集上扫 class_weight 值容易过拟合——因为你在用验证指标反向选择超参，相当于把验证集当成了调参集。更稳妥的做法是固定一个业务敏感指标（比如 F2-score 或 cost matrix），在训练过程中监控它。
立即学习“Python免费学习笔记（深入）”；
推荐组合：
- 用
class_weight='balanced'作为起点 - 结合
sample_weight在fit()时微调：比如对难分正样本再加权，比改全局class_weight更细粒度 - 如果必须搜索，用 nested cross-validation，外层评估，内层调参，避免数据泄露
class_weight 和 scale_pos_weight 的区别别搞混
class_weight 是 sklearn LogisticRegression 的参数，作用于损失函数的 per-class 样本加权；而 scale_pos_weight 是 XGBoost/LightGBM 的参数，只针对正例，且是 float 类型标量。
两者不能混用，也不能跨库移植。如果你从 sklearn 切到 XGBoost，别把 {0:1, 1:10} 直接换成 scale_pos_weight=10 —— 因为 XGBoost 默认 loss 是二元 logloss，其梯度更新方式不同，实际效果并不等价。
真正关键的不是权重数字本身，而是它如何改变决策边界附近的梯度密度。这点常被忽略：调完 class_weight 后，务必画出 decision_function 分布或校准曲线，确认正负例的置信分隔是否真的向业务需求偏移。
