针对一个类的分类精度优化？

Question

我的数据集有两个类。无兴趣者占90％，兴趣类约占10％。

我已经完成了重采样，不仅是一次，而且是一组平衡集（例如10组）。并做大多数投票来得到最终的预测结果。经过比较许多模型，树给出最好的结果。而且我已经根据重要性分数选出了最重要的功能。

整体准确度并不差，75％，但对我感兴趣的班的精度只有30％，这并不好。如何对目标类的精度进行优化？我认为R中ctree包的算法是对整体精度进行优化。我也尝试过像svm这样的一流分类，但并不好。顺便说一句，我用R和Python都。但是我没有找到关于我的问题的任何相关软件包。我是否需要编写我自己的树算法来优化该类的精度？谢谢。

Answer 1

有很多的模型，让你有能力重量类。这通常比仅仅过采样更好，因为它直接交替目标，而不是人为地把模型变为超重。如果你使用python，并且像基于树的方法一样，scikit-learn中的Random Forest具有class-weight功能，只要不能获得所需的精度，就简单地超重你的少数类。