我正在解决一个非常不平衡的响应类别的大数据问题,使用随机森林算法。因此,我查阅了文档并找到了以下参数:
strata
sampsize
这些参数的文档很少(或者我没有找到它们),我真的不知道如何实现它。我正在使用以下代码:
randomForest(x=predictors,
y=response,
data=train.data,
mtry=lista.params[1],
ntree=lista.params[2],
na.action=na.omit,
nodesize=lista.params[3],
maxnodes=lista.params[4],
sampsize=c(250000,2000),
do.trace=100,
importance=TRUE)
响应是一个具有两个可能值的类,第一个比第二个出现的频率更高(10000:1或更多)。
list.params
是具有不同参数的列表(当然!我知道...)
嗯,问题(再次)是:我如何使用“strata”参数?我是否正确地使用了sampsize?
最后,有时我会收到以下错误:
Error in randomForest.default(x = predictors, y = response, data = train.data, :
Still have fewer than two classes in the in-bag sample after 10 attempts.
抱歉,如果我问了这么多(可能是愚蠢的)问题...