Python机器学习手册：从数据预处理到深度学习

250

｜

第

14

章

树和森林

#

训练模型

model = randomforest.fit(features, target)

讨论

在现实中用学习算法训练模型时，很容易遇到不均衡的分类问题。如果不解决这个问题，

不均衡的分类就会降低模型的性能。我们在

17.5

节将讨论在数据预处理过程中处理不均

衡分类的一些策略。不过在

scikit-learn

中，很多学习算法都带有用于纠正不均衡分类的

内置方法。为

RandomForestClassier

设置参数

class_weight

就可以纠正不均衡分类的

问题。如果将分类名和所需的权重以字典形式提供（如

{

"

male

"

: 0.2

,

"

female

"

: 0.8}

），

RandomForestClassifier

将为各个分类相应地加权。不过参数

balanced

通常更有用，它

根据各个分类在数据中出现频率的倒数自动计算权重值 ：

w

j

=

n

kn

j

where w

j

is the weight to class j, n is the number of observations, n

j

is the number of

observations in class j, and k is the total number of classes. For example, in our solu‐

tion we have 2 classes (k), 110 observations (n), and 10 and 100 observations in each

class, ...