随机森林的分层采样-Python

Question

我正在构建一个随机森林分类模型，响应变量分割为98%（False）-2%（True）。我使用Scikit-Learn的RandomForest分类器。

处理这种不平衡数据并避免过采样的最佳方法是什么？

Answer 1

您可以使用参数class_weight。

与{class_label: weight} 形式的类相关联的权重

您可以给您的小类更多的权重，并使用交叉验证找到最佳权重。

例如CCD_ 3。赋予标记为1的类更多权重。

Answer 2

在sklearn的随机林分类器的较新版本中，您可以简单地设置class_weight="balanced"。