随机森林：如何利用假阴性而不是误报

Question

我尝试使用一些自定义随机林实现来解决二进制分类问题。

目标是预测该项目属于A类的可能性。评估策略的定义使得误报（A，而实际课程为B的可能性很高）受到的惩罚比假阴性更为严重（低可能性）一段时间，实际的班级是A）。

如何调整标准算法以利用此算法获得更高的评估分数？

Answer 1

如果您还没有，请尝试使用包rfUtilities：https://cran.r-project.org/web/packages/rfUtilities/rfUtilities.pdf

它旨在通过预测单个类别出现的可能性来处理类不平衡。