我正在使用sklearn.emble.RandomForestClassifier构建一个分类模型。数据包含两个平衡类。示例:
target = [0,1,1,1,0,0,1,0] #1 & 0 appear four times each
在模型的实际用例中,错误的预测“1”比错误的预测“0”代价更高。为了解决这个问题,我可以使用class\u权重参数来强制模型惩罚错误的预测“1”吗
当我测试参数(class_weight={0:2,1:1}
)时,我得到了这些期望的效果,但是我不确定它是否被认为是解决这个问题的正确方法。改变“1”预测的概率阈值是我考虑的另一种方法
目前没有回答
相关问题 更多 >
编程相关推荐