提高随机森林性能

a_polito

你好!我正在研究一个随机森林预测模型来预测一个二元标签。数据集大约有70%到30%是不平衡的。属性是数字，表示财务报表指数或欧元金额，如EBITDA。

该过程包括数据读取，选择缺失值<10%的特征，归一化(Z变换)，用平均值替换缺失值，训练数据中大多数标签类的欠采样交叉验证，信息增益RF(深度为15的200棵树)。

表演并不好;正确率约74%，查全率加权75%，精密度加权72%;F测量65.89(类精度初级类57%)

我怎样才能提高性能?你有什么建议吗?

rfuentealba

大家好，希望现在回答还不算太晚:

如果我们不知道数据，可能很难回答，可能有几种策略。你有可能应用某种离散化吗?(将连续值转换为离散值或“徽章”可能会有所帮助)。你知道是否有任何异常或趋势可能被掩盖在数据中吗?这些是我能画出来的。

此外，欠采样有时可能会带来问题，因为数据是人为的。如果你的算法支持加权可能会更好。