我正在处理文本分类问题(情感分析)。我想知道 scikit-learn 中是否有任何选项可以为功能添加“权重”(作为重要性的衡量标准)。我检查了文档，发现 the attribute "coefs" of SVC ，定义如下:
coef_ array, shape = [n_class-1, n_features]
Weights asigned to the features (coefficients in the primal problem).
This is only available in the case of linear kernel.coef_ is readonly property derived from dual_coef_ and support_vectors_
但是，该属性似乎是只读的。
最佳答案
coef_ 向量是机器学习算法学习到的参数的 View 。手动设置它们没有意义，因为它们是根据数据自动调整的。你可以做的是:
如果您事先知道某些类别比其他类别更重要，请设置 class_weight
如果您事先了解某些样本(数据集中的行)比其他样本更重要，则设置sample_weight
重新缩放特征以使某些特征比其他特征具有更大的方差，例如，如果您使用 RBF 内核并且希望某些特征比其他特征更重要(通常最好将所有特征缩放到单位方差)
如果您使用内核并希望以这种方式编码特殊的先验知识，请使用自定义的预计算内核。
对于文本分类，数据非常暗淡，内核通常只是浪费资源而几乎没有或根本没有增加预测准确性，因此最后两点可能与您的具体问题无关。
关于machine-learning - Scikits 学习 : feature weight in Linear kernel SVM，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/11075556/