使用權重處理不平衡數據

Question

我有非常不平衡的數據，目標是分類。首先，我想檢查大多數類別的欠採樣。 1級有600，2級90，3級60和4級96樣本數據！

使用重量：在2倍交叉驗證和隨機森林模型：

爲什麼使用重量，結果是不是更好嗎？ 這是我的代碼：cfr = RandomForestClassifier(n_estimators=100,n_jobs=5,class_weight={1:1,2:30,3:30,4:30}) 在我的代碼中是否有任何錯誤？你能指導我嗎？

Answer 1

實際的問題是什麼是你的任務。你的任務是儘可能提高模型的準確性，儘管你有很大的不成比例的類。如果是這樣，你應該不欠示例測試集。實際上，你從來沒有低於或超過測試集，但是，在某些情況下，你可能會增加特定類別的權重來修正真實先驗（可能與經驗不同）或者由於成本敏感的學習。