我正在使用的人口普查数据集：https ://archive.ics.uci.edu/ml/datasets/Adult
因此，我目前正在使用此人口普查数据进行观察并预测某人是否已婚。然而，当我为种族绘制分类图时，它绝大多数是白色的，我根本不考虑种族。不过，在我这样做之前，我意识到我没有考虑数据集中的“最终权重”，它显示了人口普查认为该条目代表的人数。
所以，我有几个问题：
在进行观察时我应该使用这些权重吗？我是否正确解释了这一点？还是我应该忽略它们？
如果我要使用这些权重，我将如何使用这些权重？我希望能够根据给出的其中一些因素来预测某人是否已婚，但我无法弄清楚我应该如何纳入这些权重。
另外，将所有最终权重除以 100 或类似的东西会很愚蠢吗？所有这些权重都有数十万，我在想如果我们将权重除以某个常数，那么我们可以将那个行数（基于其权重的每一行）添加到我们的数据集中。
一般来说，我是 ML 的新手，所以如果这是一个新手问题，请原谅我。
首先，如果一个变量是不平衡的（在你的情况下是种族），你不应该担心。作为一个分类变量，它将被转换为两个或多个虚拟变量。
其次，如果权重代表每个条目的人数，如下例所示，您应该包括权重。
假设数据
Race Education Marital weight
------------------------------------------
White tertiary Married 10
White tertiary Single 6
Black tertiary Married 8
White secondary Single 4
...
...
对于此示例，我将按每个条目的权重对其进行过采样。因为您的真实数据库是：
X y
--------------------- --------
Race Education Marital
-----------------------------------
White tertiary Married
White tertiary Married
White tertiary Married 10 records
...
White tertiary Married
White tertiary Single
White tertiary Single 6 records
...
White tertiary Single
Black tertiary Married
Black tertiary Married 8 records
...
Black tertiary Married
White secondary Single
White secondary Single
White secondary Single
White secondary Single
但是，我应该看到您的数据集的一些记录以更好地帮助您。