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%，兴趣类占10%左右。

我已经完成了重采样，不仅是一次，而且是一组平衡的集合（例如 10 组）。并进行多数投票以获得最终的预测结果。在比较了许多模型之后，树给出了最好的结果。而且我已经根据重要性分数挑选出了最重要的特征。

整体准确率还不错，75%，但是对我感兴趣的类的准确率只有30%，不好。如何对目标类的精度进行优化？我认为 R 中 ctree 包背后的算法是对整体准确性进行优化。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。但我没有找到任何关于我的问题的相关包。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

有很多模型可以让你权重类。这通常比过采样要好，因为它直接交替目标，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，只需超重您的少数类。