使用R中的randomForest包，我能够训练一个最小化整体错误率的随机森林。然而，我想要做的是训练两个随机森林，一个首先最小化误报率（~0）然后最小化整体错误率，一个首先使灵敏度最大化（~1），然后是整体误差。该问题的另一个结构是：给定误报率和敏感率，训练两个不同的随机森林，分别满足其中一个比率，然后最小化整体错误率。有谁知道如果有一个r包或python包，或者那里有任何其他软件这样做或者如何做到这一点？谢谢你的帮助。
答案 0 :(得分：0)
这是一个值得尝试的解决方法。 （很抱歉，我没有足够的声誉将其作为评论。）
作为
（来自http://fiddle.jshell.net/doyL1L0p/1/的注释）
如果您复制一些阳性/阴性样本（或增加权重），则ER将近似于敏感性/特异性。
因此，如果您想要最大化灵敏度，那么您可以将一些正样本采样/复制到数据集中，然后在其上训练您的RF。为了最大化特异性，您可以对阴性样本做同样的事情。
答案 1 :(得分：0)
您可以对“规范化”参数进行网格划分，以最好地匹配您的目标行为。
感兴趣的参数：