'EasyEnsembleClassifier' 怎么获得样本的权重python

EasyEnsembleClassifier是基于集成学习的算法，它通过对原始样本进行有放回地随机下采样，产生多个子集，然后在每个子集上训练一个分类器，最终将这些分类器进行集成得到最终的分类器。在这个过程中，每个子集的样本权重都是相等的。

如果需要获得样本的权重，可以使用sklearn中的WeightedRandomSampler函数来对原始样本进行加权随机采样，从而产生样本的权重。具体实现如下：

from sklearn.utils import WeightedRandomSampler

# 计算每个样本的权重
weights = {0: 1, 1: 10}
# 获取样本权重
sampler = WeightedRandomSampler(weights=weights, num_samples=len(X_train), replacement=True)
# 通过样本权重对训练集进行采样
X_train_weighted, y_train_weighted = X_train[sampler], y_train[sampler]

其中，weights是一个字典，用于指定每个类别的权重，num_samples指定采样的样本数量，replacement=True表示有放回地进行采样，X_train和y_train分别为训练集的特征和标签。采样之后，可以使用X_train_weighted和y_train_weighted来训练EasyEnsembleClassifier分类器。