Python 随机森林分层抽样

我正在建立一个随机森林分类模型，其响应变量分割为98%（假）-2%（真）。我正在使用Scikit Learn的随机森林分类器进行此操作

---

处理这种不平衡数据并避免过采样的最佳方法是什么？

您可以使用参数

class\u weight

与

{class\u label:weight}

你可以给小班学生更多的权重，并通过交叉验证找到最佳权重

---

例如

class_weight={1:10,0:1}

。为标记为1的类赋予更多权重。

在sklearn的随机林分类器的较新版本中，您可以简单地设置class_weight=“balanced”。

我已经在这里回答了这个问题。请查收。