randomForest：如何获得 100%-Precision？

【问题标题】：randomForest: how to get 100%-Precision?randomForest：如何获得 100%-Precision？
【发布时间】：2011-10-03 21:20:46
【问题描述】：

我有一个包含大约 3000 个正样本和 1500 个负样本的数据集，其中包含大约 1000 个特征。所有特征都是实数。我想用“randomForest”R 包训练一个 randomForest 分类器。

问题是我想要一个在训练数据集上具有 100% 精度 (TP / TP+FP) 的分类器。但是，我很难通过调整经过训练的随机森林中的 $votes 来实现这一点。

我想知道是否有人对此类问题有经验或有任何想法？如果您有任何线索，请给我一些提示。提前致谢！

我愿意接受任何其他机器学习方法，只要它能保证 100% 的精度。

【问题讨论】：

【解决方案1】：

如果您无法通过修改投票分数阈值来做到这一点，那么您将不得不以某种方式修改树本身。

一种方法是实际训练加权树。不幸的是，我现在没有这个指针，但这与Viola/Jones paper here 中所做的类似（但他们这样做是为了提升。）

（你有没有想过参数：classwt 有注释“类的先验。不需要加起来。忽略回归。”）this page？

一个要点：误报率不等于FP / (FP + TP)。确实是 FP / (FP + TN) 或等效的 FP / "actual negatives"，因为您真的只想考虑检测到多少误报作为实际负例的函数。

【讨论】：

感谢您的回复。我尝试了投票分数，但效果不是很好，因为一些负样本对正标签的投票接近 1。我尝试了一点 classwt，但效果不是很好（一些线程认为该功能尚未在 R 中实现）。
您可能只需要更好的功能。