class_weight="balanced"是最轻量解法但非万能，仅调整损失权重且依赖训练集分布与误判代价相等假设，极端不平衡下易失效；需正确匹配标签类型设字典、避免与sample_weight混淆，并在交叉验证中构造时传入。
class_weight="balanced" 是最轻量、最直接的解法，但不是万能开关——它只改损失权重，不碰数据本身，对极端不平衡（如 1:1000）常力不从心。
为什么 class_weight="balanced" 有时没效果？
它按公式 n_samples / (n_classes * n_samples_in_class) 算权重，看似合理，但隐含两个强假设：训练集分布 ≈ 真实分布，且各类误判代价相等。一旦正样本极少（比如 0.1%），算出的权重虽大（≈500），但模型仍可能因梯度稀疏而学不到有效边界。
常见错误现象：
-
predict_proba输出里正类概率普遍低于 0.1，且predict全是 0 - 训练 loss 下降快，但验证集
recall始终接近 0 - 用
decision_function画分布，发现正负样本在 logits 层严重重叠
这时别硬调 class_weight，先检查标签是否被意外转换（比如 LabelEncoder 后没同步更新字典 key），或确认 solver 收敛性（saga 需设足够大的 max_iter）。
立即学习“Python免费学习笔记（深入）”；
手动设 class_weight 字典时必须匹配真实标签类型
键名不是索引顺序，而是你 y 里实际出现的值。传错会直接报 ValueError: Class label not found。
实操建议：
- 若
y是np.array([0, 1, 1, 0])，字典必须写成{0: 1, 1: 10}，不能是{1: 10, 0: 1}（顺序无关，但 key 必须存在） - 若
y是["spam", "ham"]，就得用{"spam": 10, "ham": 1}，用数字 key 会报错 - 标签含
np.nan或未去重？先跑np.unique(y)确认 key 集合，再构造字典
和 sample_weight 混用时，权重是相乘关系
class_weight 在 fit() 前就转成内部 sample_weight，最终每个样本权重 = class_weight[y_i] * sample_weight[i]。这意味着：
- 同时设
class_weight="balanced"和自定义sample_weight，不是“二选一”，而是叠加放大 - 想重点强化某几个难分正样本？先用
class_weight拉高整个正类基线，再用sample_weight对个别样本微调 - 调试时建议分步：先固定
class_weight，单独验证sample_weight影响；避免两股加权搅在一起，无法归因
交叉验证中 class_weight 必须在模型构造时传入
cross_val_score 或 GridSearchCV 会反复新建模型实例，不会保留 fit() 时传的参数。临时在 fit() 里塞 class_weight 无效。
正确写法：
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import cross_val_score
<h1>✅ 正确：构造时传入</h1><p>model = LogisticRegression(class_weight="balanced")
scores = cross_val_score(model, X, y, cv=5)</p><h1>❌ 错误：fit 时传，CV 不认</h1><p>model = LogisticRegression()
scores = cross_val_score(model, X, y, cv=5, fit_params={"class_weight": "balanced"})真正容易被忽略的是：调完 class_weight 后，predict_proba 输出的概率未经校准，尤其在不平衡下易过自信。别急着设阈值，先用 CalibratedClassifierCV 包一层，再看校准曲线。
