R中随机森林的类别重要性

Question

我在R中使用randomForest pkg根据11个数字预测变量预测二进制类。 出了两班， Hit或Miss ，类Hit是更重要的，也就是我想知道有多少次正确预测Hit 。

有没有一种方法可以使Hit在训练随机森林方面具有更高的重要性？ 目前，训练有素的随机森林仅正确预测了7％的Hit病例，并且肯定需要改进。

Answer 1

更高的重要性？ 我不知道如何告诉任何算法“这次我不是在开玩笑 ：我希望这种分析是准确的。”

您一直在努力应对差异与偏见。 如果您过多地提高了训练准确性，则可能会出现过度拟合的风险。

您可以通过更改预测变量的随机样本的大小来调整随机森林。 如果您有m个预测变量，则对于树中的分割数，随机森林的建议为p = m ^ 1/2。 您还可以改变树木的数量。 为p的不同值绘制测试分类错误与＃树的关系，以了解您的操作方式。

您还可以尝试其他算法，例如gbm （广义增强回归模型）或支持向量机

绘制数据时，数据看起来如何？ 当您在散点图中查看任何明显的小组时，您会跳出来吗？

无论使用哪种算法，建议您对模型进行n折验证。