随机森林：平衡测试集？

Question

我尝试在不平衡的数据集（~1:4）上运行随机林分类器。在

我使用imblearn的方法如下：

from imblearn.ensemble import BalancedRandomForestClassifier

rf=BalancedRandomForestClassifier(n_estimators=1000,random_state=42,class_weight='balanced',sampling_strategy='not minority')
rf.fit(train_features,train_labels) 
predictions=rf.predict(test_features)

训练和测试集的分割是在交叉验证方法中使用scikit learn中的RepeatedStratifiedKFold来执行的。在

然而，我想知道测试集是否也需要平衡，以获得合理的准确度分数（敏感性、特异性等）。我希望你能帮我。在

非常感谢！在

Answer 1

从imblearndocs：

A balanced random forest randomly under-samples each bootstrap sample to balance it.

如果你可以用随机欠采样作为平衡方法，那么分类器就是在“幕后”为你做这件事。事实上，这就是使用imblearn首先处理类不平衡的要点。如果你使用的是直接的随机森林，比如sklearn的开箱即用版本，那么我会更关心在前端处理类不平衡。在