AowandowskiXGBoost不平衡数据实战：用样本与特征加权提升模型敏感度
金融风控部门的张经理最近遇到一个棘手问题——信用卡欺诈检测模型的召回率始终低于30%。团队尝试了各种采样方法，但要么导致模型过拟合，要么牺牲了多数类的准确率。直到他们发现XGBoost内置的样本与特征加权机制，才真正解决了这个1:100的极端不平衡分类难题。
1. 理解数据不平衡的本质挑战
在真实业务场景中，我们常遇到正负样本比例严重失衡的情况：信用卡欺诈交易占比约1%、工业品缺陷率不足5%、罕见病阳性率可能只有0.1%。传统准确率指标在这些场景下完全失效——一个将所有样本预测为负类的模型就能获得99%的"高准确率"。
样本不平衡带来的核心问题：
- 模型倾向于预测多数类，忽视少数类
- 常规评估指标（如准确率）失去参考价值
- 少数类样本的特征模式难以被充分学习
注意：当正负样本比超过1:10时，就必须采用特殊处理策略，否则模型将失去实用价值。
下表对比了常见解决方案的优缺点：
| 方法 | 优点 | 缺点 |
|---|---|---|
| 过采样 | 保留原始分布 | 可能导致过拟合 |
| 欠采样 | 减少计算量 | 丢失有价值信息 |
| 代价敏感学习 | 直接优化目标 | 需要领域知识 |
| 样本加权 | 无需修改数据 | 需合理设置权重 |
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. XGBoost加权机制原理解析
XGBoost通过两种机制应对不平衡数据：scale_pos_weight调整样本权重，feature_weights调整特征重要性。这两种方法都通过修改损失函数实现，而非物理上改变数据分布。
2.1 样本加权(scale_pos_weight)
该参数直接设置正负样本的权重比。计算公式为：
python复制scale_pos_weight = 负样本数量 / 正样本数量
例如信用卡欺诈检测中：
- 负样本(正常交易)：9900条
- 正样本(欺诈交易)：100条
- 理想参数值：9900/100 = 99
实现代码示例：
python复制from xgboost import XGBClassifier
model = XGBClassifier(
scale_pos_weight=