optimization - 针对一类的分类精度优化？

Question

我的数据集有两个类。非兴趣类占90%，兴趣类约占10%。

我已经完成了重采样，不仅一次，而且是一批平衡集(例如 10 集)。并进行多数投票，得到最终的预测结果。经过比较多个模型后，树给出了最好的结果。我已经根据重要性分数挑选出了最重要的特征。

总体准确率还不错，75%，但是对于我感兴趣的类的准确率只有30%，这不太好。如何针对目标类别的精度进行优化？我认为 R 中 ctree 包背后的算法是针对整体精度进行优化。我也尝试过一类分类，比如svm，但效果不好。顺便说一句，我同时使用了 R 和 python。但我没有找到任何与我的问题相关的软件包。我是否需要编写自己的树算法来优化感兴趣的类的精度？谢谢。

Answer 1

有很多模型可以让您权重类别。一般来说，这比仅仅过采样更好，因为它直接改变目标，而不是人为地欺骗模型超重。如果您使用 python，并且像基于树的方法一样，scikit-learn 中的随机森林具有类权重功能，只要未获得所需的精度，只需增加少数类的权重即可。