在 randomForest 包中加入观察权重答案

【问题标题】：Incorporating observation weights in the randomForest package在 randomForest 包中加入观察权重
【发布时间】：2012-04-09 06:08:13
【问题描述】：

如何使用带有观察权重的 R randomForest 包？我知道这个包中没有这样的选项。我有两个问题：

有没有使用randomForest 包解决这个问题的方法？目前，我正在从以权重为概率的数据中抽取样本，这样我至少可以模拟它：
```
m = dim(data)[1]
sample(data, m, replace=TRUE, prob=weights)
```
有效还有其他（更好的）解决方案吗？
randomForest 包是否有任何替代品。我找到了party 包（cforest），但它在内存管理方面很糟糕（或者我不能像使用randomForest 包那样使用它）。我有大约 20 万个观察值和 30-40 个变量。

编辑：

很抱歉没有澄清细节。我正在使用randomForest 包来解决回归问题（不是分类）。这是一个时间序列，每个观察都有其重要性。稍后，此权重用于确定跨测试观察的模型性能。 y 变量是连续的。

【问题讨论】：

【解决方案1】：

我在随机森林中寻找与 Pawel 相同的选项。我发现R中的包“ranger”将它合并到函数“ranger”中（通过参数“case.weights”）。

2016年6月发布的包，还很年轻。

最好的，

【讨论】：

我刚刚发现 randomForestSRC 在其 2.2.0 版本中还包含一个 case.wt 参数。请参阅 rfsrc.news() 并安装最新版本的 randomForestSRC ！这个解决方案可能更安全，因为 randomForestSRC 是一个广泛使用的包！最好的，

【解决方案2】：

randomForest 确实有一个“classwt”参数，可以让您考虑差异采样概率甚至差异成本。诚然，回归忽略了它也许你应该解释为什么你需要使用权重以及你使用的是什么类型的 y 变量。

【讨论】：