我正在尝试使用随机森林来预测极不平衡数据集的结果（1的速率只有1％甚至更低）。由于传统的randomForest最小化了整体错误率，而不是特别关注正类，因此传统的randomForest不适用于不平衡数据。因此，我想为少数群体的错误分类（费用敏感学习）付出高昂的代价。
我读了几个来源，我们可以在R上使用classwt的{{1}}选项，但我不知道如何使用它。我们还有randomForest功能的其他替代方法吗？
答案 0 :(得分：3)
classwt使您能够为数据集中的每个类分配先验概率。因此，如果您有classwt = c(0.5, 0.5)，那么您说在实际运行特定数据集的模型之前，您希望与0的数量大约相同的0。您可以根据需要调整这些参数，以尽量减少误报。在理论上分配成本似乎是一个明智的想法，但实际上，效果并不好。先验概率倾向于比期望的更尖锐地影响算法。不过，你可以玩这个。
另一种解决方案是运行常规随机林，然后进行预测，使用type='prob'命令中的predict()选项。例如，对于随机森林rf1，我们尝试预测数据集data1的结果，我们可以这样做：
predictions <- predict(rf1, data=data1, type='prob')
然后，您可以选择自己的概率阈值来对数据的观察进行分类。以图形方式查看可能需要的阈值的一种好方法是使用ROCR包，它生成接收器操作符曲线。