Machine learning 不平衡数据集不'；不生产好的'；精度'；或'；召回'；

数据集极不平衡，阳性结果与阴性结果相比仅约为10%。例：（0-11401，1-1280）

我试过了
1.

RandomForestClassifier

带有

GridSearchCV

-超参数调整。
2.使用

class_weight=“balanced”

3.受到处罚的SVC
4.上采样和下采样

但我仍然没有在上述任何一种方法中获得很好的精确性或召回率。 我知道患病率与PPV有关。我的数据集的类非常低-1。此外，随机森林可能倾向于多数类

---

但我希望取样能起作用，但没起作用。我错过什么了吗？任何建议都将不胜感激

有几种方法可以帮助您：

• 预测概率并手动设定阈值
• 更改您正在使用的损失/度量
• 对于不平衡数据集（异常值检测），不应使用class_weight=balance，而应在异常值上增加权重
• 尝试其他算法，看看是否有更好的算法（XGBoost、catboost、lightgbm，如果您想坚持使用基于树的解决方案）
• 我们还可以使用tpot为您的特定数据集查找sklearn中的最佳算法

---

告诉我是否有人帮助您添加了表单代码格式非常感谢您的快速响应。我会尽力让你知道的。对于ROC，我使用预测概率，但我没有使用手动阈值。我在SVC中尝试了类权重：{0:1,1:100}，但它不起作用。我也会试试射频。