随机森林的分层抽样-Python

Question

我正在建立一个随机森林分类模型，响应变量分割为98％（假）-2％（真）。我正在使用Scikit Learn的RandomForest分类器。

处理这种不平衡数据并避免过采样的最佳方法是什么？

Answer 1

您可以使用参数class_weight。

与{class_label: weight}

形式的类相关联的权重

您可以为小班授予更多权重，并使用交叉验证找到最佳体重。

例如class_weight={1: 10, 0:1}。给标有1的班级增加了更多的重量。

Answer 2

在较新版本的sklearn的随机森林分类器中，您只需设置class_weight =“ balanced”。