我想找到一种方法来为插入符号包中的gbm定义权重。 “caret”包的“train”函数中有一个参数“weights”，但描述中写着“此参数只会影响允许大小写权重的模型”。根据我的理解，“gbm”确实支持定义权重，但我不知道定义权重的格式。它只是c（1,10） - 其中1是多数类，10是少数类？
第二个问题是关于Kappa统计数据。我读到Kappa对于类不平衡数据集来说是一个更好的性能指标，但却无法理解。我将理解为什么Kappa与类别不平衡数据集的ROC相比是一个更好的性能指标的一些指导。
感谢。
答案 0 :(得分：1)
据我所知，gbm确实支持大小写权重，权重应该是数据帧长度的向量。如果您只使用两个课程，我相信您将 使用ROC。我不确定我是否有资格回答有关ROC与Kappa的问题，但here是2013年的一篇论文，研究了几个关于现实世界数据的指标的表现。一般的消失似乎是虽然kappa可能受到歪斜的影响（ROC似乎相对免疫），但ROC往往掩盖了糟糕的表现。
答案 1 :(得分：0)
在此article中，有一个使用weights的示例。
在你的情况下，它将类似于
data$weights <- ifelse(data$class == "major", 1, 10)
然后使用此列作为权重。