RandomForest-sklearn 中的分類閾值

1）如何在sklearn的RandomForest中更改分類閾值（我認為默認為0.5）？

2. 如何在 sklearn 中進行欠採樣？

3. 我從 RandomForest 分類器得到以下結果：[[1635 1297] [520 3624]]

        precision    recall  f1-score   support

class 0       0.76      0.56      0.64      2932
class 1       0.74      0.87      0.80      4144

8 月 / 總計 0.75 0.74 0.73 7076

首先，數據不平衡（30% 來自 0 類，70% 來自 1 類）。所以，我認為分類器更可能偏向於 1 類，這意味著將一些從 0 類移動到 1 類（0 類有 1297 個錯誤分類，1 類有 520 個錯誤分類）。我怎樣才能解決這個問題？下採樣是否有幫助？或改變分類閾值？

更新：0 類有 40% 的人口，而 1 類是 60%。但是，從 0 類到 1 類（1297）的漂移很高，而我希望它變低。

您確實可以將隨機森林包裝在一個類中，該類predict調用predict_proba內部隨機森林的方法並僅在高於自定義閾值時才輸出類 1。

sample_weight或者，您可以通過為少數類的樣本傳遞更高的值來偏置訓練算法。

引用自：https://stats.stackexchange.com/questions/79984