我正在scikit learn中训练一个RandomForestClassifier关于二进制分类问题。我想最大限度地提高我对该模型的auc评分。我知道这在0.13稳定版本中是不可能的，但在0.14出血边缘版本中是可能的。
我试过了，但结果似乎更糟：
ic = RandomForestClassifier(n_estimators=100, compute_importances=True, criterion='entropy', score_func = auc_score);
这是作为模型的参数工作还是仅在gridsearchCV中工作？
如果我在gridsearchCV中使用它，它会使模型更好地适应auc_score的数据吗？我还想尝试最大化recall_score。
我很惊讶上面没有出现错误。在GridSearchCV中，只能将AUC用于模型选择。如果您在那里使用它（scoring='roc_auc'iirc），这意味着将选择具有最佳auc的模型。这并没有使各个模型在这一分数方面变得更好。不过，它仍然值得一试。
我发现了一篇期刊文章，该文章讨论了具有随机林的高度不平衡类。尽管它的目标是在Hadoop集群上运行RDF，但同样的技术似乎也能很好地解决较小的问题：
del Río，S.，López，V.，Benítez，J.M.，&埃雷拉F.（2014）。关于使用随机森林对不平衡大数据使用MapReduce。信息科学，285112-137。
http://sci2s.ugr.es/rf_big_imb/pdf/rio14_INS.pdf