machine-learning - 随机森林：如何偏爱假阴性而不是假阳性

Question

我正在尝试使用一些自定义随机森林实现来解决二进制分类问题。

目标是预测项目属于 A 类的可能性。评估策略的定义是，假阳性（A 的可能性很高，而实际的类别是 B）比假阴性（A 的可能性低，而实际课程是 A)。

应该如何调整标准算法以利用这一点来获得更高的评估分数？

Answer 1

如果您还没有，请尝试使用包 rfUtilities：https ://cran.r-project.org/web/packages/rfUtilities/rfUtilities.pdf

它旨在通过预测单个类别出现的可能性来处理类别不平衡。