XGBoost处理类别不平衡需用scale_pos_weight（二分类）或sample_weight（多分类），而非class_weight；scale_pos_weight应结合业务代价与数据分布动态设定，避免简单套用neg_count/pos_count；多分类须用sample_weight且与样本严格对齐；eval_metric应选aucpr而非error或auc。
直接结论：XGBoost中解决类别权重失衡，核心不是用class_weight，而是必须用scale_pos_weight（二分类）或手动构造sample_weight（多分类/细粒度控制），且需配合eval_metric和损失函数调整，否则模型仍会偏向多数类。
scale_pos_weight怎么算才不翻车
它不是简单套公式，而是要结合业务代价和数据分布动态定值。常见错误是直接用neg_count / pos_count得到一个巨大数字（比如1000），结果模型过拟合少数类、验证集预测概率严重偏移。
- 基础计算：用
np.sum(y == 0) / np.sum(y == 1)，但仅适用于正负样本分布相对均匀的少数类 - 平滑处理：当比值 > 100 时，建议用
np.sqrt(neg_count / pos_count)或np.log1p(neg_count / pos_count)，避免梯度爆炸 - 业务加权：若漏判正样本代价是误判的N倍，应设为
(neg_count / pos_count) * N，而不是只看统计比例 - 验证时别忽略：该参数影响损失计算，但不改变预测输出范围，所以
predict_proba结果仍需重新校准（如用CalibratedClassifierCV）
多分类场景下不能用scale_pos_weight
scale_pos_weight只对binary:logistic或binary:logitraw生效，多分类必须换路子。强行传入会静默失效，模型退化成无加权训练。
- 正确做法：用
sample_weight数组，长度与训练集一致，按类别赋值，例如sample_weights = np.array([1.0 if y==0 else 5.0 if y==1 else 3.0 for y in y_train]) - 注意顺序：
sample_weight必须与X_train和y_train严格对齐，索引错一位就全乱 - 别混用：XGBoost不支持
class_weight='balanced'这种sklearn风格参数，传了会被忽略，无报错无提示 - 目标函数匹配：
objective='multi:softmax'时，sample_weight作用于每个样本的交叉熵损失；用objective='multi:softprob'则影响整个概率分布输出
eval_metric选错等于白调
用eval_metric='error'或'auc'在不平衡数据上会给出虚假乐观指标——模型把所有样本判成多数类，error可能低至0.05，但召回率是0。
立即学习“Python免费学习笔记（深入）”；
- 优先选
'aucpr'（PR曲线下面积）：对正样本敏感，尤其适合pos_ratio 的场景 - 二分类慎用
'logloss'：它对预测概率误差平方敏感，但未加权时仍偏向多数类；搭配scale_pos_weight后才有效 - 多分类用
'mlogloss'，但需确认sample_weight已正确传入，否则指标无意义 - 自定义metric注意：返回值必须是
(name, value, is_higher_better)三元组，且value不能为NaN，否则训练中断
为什么加了权重还是全判0
这不是参数没生效，而是模型还没学到区分信号——权重只是放大错误惩罚，不能凭空创造特征判别力。
- 先检查
y_train里是否真有正样本：np.unique(y_train, return_counts=True)，避免数据加载时标签被转成字符串或缺失 - 确认
scale_pos_weight确实被读取：打印model.get_params()['scale_pos_weight']，有些旧版XGBoost（ - 学习率太小：
learning_rate=0.3起步，低于0.05时加权效果会被稀释，尤其在树深度max_depth=3时更明显 - 正样本太“脏”：用
LocalOutlierFactor扫一遍正样本，剔除孤立点再训练，比硬加权重更治本
真正卡住的地方往往不在权重数值本身，而在正样本是否具备可分性——如果所有正样本在特征空间里都挤在噪声区，再大的scale_pos_weight也救不回来。先可视化、再加权、最后调参，顺序错了，后面全白忙。
