我有一個約3000正面和1500負面樣本，約1000功能的數據集。所有功能都是實數。我想用「randomForest」R包訓練一個隨機的分類器。randomForest：如何獲得100％ - 精確度？
的問題是，我想用100％精度（TP/TP + FP）上訓練數據集的分類器。但是，我很難通過調整訓練有素的隨機森林中的$投票來實現這一目標。
我不知道是否有人有經驗或有這樣那樣的問題的任何想法？如果你有任何線索，請給我一些提示。提前致謝！
我願意接受任何其他機器學習方法，如果答應我100％的準確率。
如果你一直無法通過修改您的投票率門檻做到這一點，那麼你就必須以某種方式修改樹木本身。要做到這一點
一種方式是實際訓練加權樹。不幸的是，我不」有一個指針，現在對於這一點，但是這是類似於什麼在Viola/Jones paper here完成（但他們是爲了提升。）
（其中第二個想法你看參數：classwt有評論「類的Priors。不需要加起來，忽略迴歸。」）this page？
一個快速點：假陽性率不等於FP/(FP + TP)。這真的是FP/(FP + TN)或等效FP/"actual negatives"，因爲你真的只想考慮有多少誤報被檢測爲實際底片的函數。
感謝您的回覆。我嘗試了投票分數，但它的效果不是很好，因爲一些負面樣本的正面標籤接近1票。我嘗試了一下classwt，但它不能很好地工作（一些線程認爲這個特性還沒有在R中實現）。 – rninja
您可能只需要更好的功能。 –
回想= TP /（TP + FN）。精度= TP /（TP + FP）。 http://en.wikipedia.org/wiki/Precision_and_recall#Definition_.28classification_context.29 –