使用 H2O 在 R 中平衡随机森林

Posted 2023-03-13

【中文标题】使用 H2O 在 R 中平衡随机森林

【英文标题】：Balanced random forest in R using H2O

【发布时间】：2019-01-29 21:06:57

【问题描述】：

由于我目前正在研究一个高度不平衡的多类分类问题，我正在考虑平衡随机森林 (https://statistics.berkeley.edu/sites/default/files/tech-reports/666.pdf)。你有使用 H2O 实现平衡随机森林的经验吗？如果是这样，请您详细说明以下问题：

是否甚至可以更改在 H2O 中创建 bootstrap 样本的默认过程以得出平衡的子样本（对于随机森林中的每次迭代，从少数类中抽取 bootstrap 样本。随机抽取相同数量的每个树生长的原始数据集的情况，有替换，来自大多数类？

【参考方案1】：

H2O 的随机森林不执行自举，而是以 63.2% 的速率进行采样（这是任何自举样本中唯一行的预期值）。

如果你想得到一个平衡的样本，你可以使用参数balance_classes和class_sampling_factors，或者weights_column