Python 随机森林中的类_权重

我目前正在尝试改变随机森林分类器的阈值，以便绘制ROC曲线。我的印象是，对随机林执行此操作的唯一方法是使用class_权重参数。我成功地做到了这一点，提高和降低了准确率、召回率、真阳性率和假阳性率；然而，我不确定我到底在做什么。目前我有以下几点：

rfc = RandomForestClassifier(n_jobs=-1, oob_score=True,  n_estimators=50,max_depth=40,min_samples_split=100,min_samples_leaf=80, class_weight={0:.4, 1:.9})

---

.4和.9实际上也是指什么。我认为40%的数据集是0，90%是1，但是，这显然没有意义（超过100%）。它到底在做什么？谢谢

类权重通常不需要归一化为1（重要的只是类权重的比率，因此要求它们的总和为1实际上并不是一个限制）

因此，将类权重设置为0.4和0.9相当于假设数据中的类标签分割为0.4/（0.4+0.9）到0.9/（0.4+0.9）[约30%属于类0，约70%属于类1]

查看不同类别权重的另一种方法是，与另一个类别相比，更强烈地惩罚一个类别中的错误，但仍然假设数据中的标签数量平衡。在您的示例中，将1误分类为0比将0误分类为1要糟糕9/4倍。

根据我的经验，改变任何scikit学习分类器的辨别阈值的最简单方法是使用

predict_proba（）

函数。它不是返回单个输出类，而是返回每个类中的成员概率（具体地说，它所做的是输出分类期间到达的叶节点中的样本比例，在随机林中的所有树上求平均值），通过将每个类的概率与您可以更改的某个阈值进行比较，很容易实现您自己的最终分类步骤

probs = RF.predict_proba(X)    # output dimension: [num_samples x num_classes]
for threshold in range(0,100): 
    threshold = threshold / 100.0
    classes = (probs > threshold).astype(int)
    # further analysis here as desired

---

你说的很有道理，真的帮助我理解了；然而，我的数据集实际上与您所说的相反，因此70%的0和30%的1，更重要的是，我希望与第二种解释相反，即错误地将0分类为1（因为我正在进行客户流失预测）是9/4倍。但我已经完成了我上面展示的，这给了我梦幻般的结果，如果我翻动它，我会得到可怕的结果。你的解释有可能是相反的吗？i、 70%0和30%1？你好@Paul Rubenstein，你知道12个类的权重dic的设置是什么吗，我的意思是，文档不是很清楚，所以他们提到的符号是{0:1，1:1}{0:1，1:5}，我不知道第一个0:1代表什么，我如何设置所有类之间的比率。提前谢谢。如果您想分享一些见解，我已经在Data Science Stack Exchange上发布了这个问题。