我的犯罪分类数据集具有指标特征，例如has_rifle.
工作是训练和预测数据点是否是罪犯。该指标是加权平均绝对误差，如果这个人是罪犯，并且模型预测他/她不是，那么权重很大5。如果此人不是罪犯并且模型预测他/她是，那么权重为1。否则模型会正确预测，权重为0。
我已经使用classif:multinominmlr中的方法R，并将阈值调整为1/6。结果不是那么好。Adaboost稍微好一点。虽然两者都不是完美的。
我想知道在这种稀疏{0,1}矩阵的二元分类问题中通常使用哪种方法？以及如何提高加权平均绝对误差度量的性能？