Question

我使用R中的randomForest包来模拟不平衡数据。结果是二元变量，结果（不，是）的相对频率为（2249（88％），318（12％））。

由于不平衡，RF最初预测为0，OOB错误率为0％，而OOB错误率为100％。我通过强制使用所有318个结果更改了RF中的采样设计，并且318使用以下代码从可能的2249中随机抽样了318个结果。对于no，OOB错误率变为合理的44％，对于是，变为12％。

rf1 <- randomForest(binary.outcome ~ ., data = data, 
                   strata = data$binary.outcome,
                   sampsize = c(318,318), replace = TRUE, importance = TRUE,
                   proximity = TRUE, mtry = 8, ntree = 2000)

有没有人知道如何重复这种抽样设计，但是在randomForestSRC？

我无法通过CRAN pdf规范

解决这个问题

rfsrc.1 <- rfsrc(binary.outcome ~ ., data = data, 
                bootstrap = "by.user", samptype = "swor",
                samp = c(318,318), replace = TRUE, importance = "permute",
                proximity = TRUE, mtry = 8, ntree = 2000)

我收到错误信息“在申请中（samp，2，sum）：dim（x）必须有正长度”

我无法弄清楚如何操纵samp和bootstrap以获得我想要的东西。

谢谢，

唐

Answer 1

我们的文件可能更清晰。您应该在rfsrc（）调用中使用case.wt选项。将bootstrap，samptype和samp保留为默认值。 case.wt必须是维度为n的向量，其中n等于已处理数据集中的个案数。假设没有丢失数据，在你的情况下n = 2567。每个少数民族案件的重量应为1/318，每个多数类案件的重量应为1/2249。向量将在内部进行规范化，如果这是意图，每个引导程序将具有相同数量的每个类。

请注意，我们正在制定一项名为g-mean的新绩效指标，该指标与少数群体的两类问题相关。它将在即将推出的beta版本中发布

https://github.com/kogalur/randomForestSRC

此外，我们将实施阈值处理，如果节点中该类的比例大于其在数据集中的总比例，则允许少数类获胜的选项，而不是默认阈值50％目前决定胜利。我们很乐意在可用时通知您此功能，因为它可能与您的情况有关。

randomForestSRC采样方案

1 个答案: