随机森林：平衡测试集？
Random forest: balancing test set?
我正在尝试 运行 不平衡数据集 (~1:4) 上的随机森林分类器。
我正在使用imblearn的方法如下：
from imblearn.ensemble import BalancedRandomForestClassifier
rf=BalancedRandomForestClassifier(n_estimators=1000,random_state=42,class_weight='balanced',sampling_strategy='not minority')
rf.fit(train_features,train_labels)
predictions=rf.predict(test_features)
使用来自 scikit learn 的 RepeatedStratifiedKFold 在交叉验证方法中执行训练集和测试集的拆分。
但是，我想知道是否也需要平衡测试集以获得合理的准确度分数（灵敏度、特异性等）。我希望你能帮助我。
非常感谢！
来自 imblearn docs:
A balanced random forest randomly under-samples each bootstrap sample
to balance it.
如果您同意随机欠采样作为您的平衡方法，那么 classifier 会为您做到这一点 "under the hood"。事实上，这就是首先使用 imblearn 来处理 class 不平衡的意义所在。如果您使用的是直接随机森林，例如 sklearn 的开箱即用版本，那么我会更关心处理前端的 class 不平衡问题。
我正在尝试 运行 不平衡数据集 (~1:4) 上的随机森林分类器。
我正在使用imblearn的方法如下：
from imblearn.ensemble import BalancedRandomForestClassifier
rf=BalancedRandomForestClassifier(n_estimators=1000,random_state=42,class_weight='balanced',sampling_strategy='not minority')
rf.fit(train_features,train_labels)
predictions=rf.predict(test_features)
使用来自 scikit learn 的 RepeatedStratifiedKFold 在交叉验证方法中执行训练集和测试集的拆分。
但是，我想知道是否也需要平衡测试集以获得合理的准确度分数（灵敏度、特异性等）。我希望你能帮助我。
非常感谢！
来自 imblearn docs:
A balanced random forest randomly under-samples each bootstrap sample to balance it.
如果您同意随机欠采样作为您的平衡方法，那么 classifier 会为您做到这一点 "under the hood"。事实上，这就是首先使用 imblearn 来处理 class 不平衡的意义所在。如果您使用的是直接随机森林，例如 sklearn 的开箱即用版本，那么我会更关心处理前端的 class 不平衡问题。