如何使用DecisionTreeClassifier平衡分类？

Question

我有一个数据集，其中的类是不平衡的。这些类要么是 0, 1 或 2.

如何计算每个班级的预测误差，然后重新平衡？weights 中相应的？

Answer 1

如果你想完全平衡（将每个类视为同等重要），你可以简单地通过 class_weight='balanced'正如《公约》中所述 文件:

平衡 "模式使用y的值自动调整权重，与输入数据中的类频率成反比，如图所示。n_samples / (n_classes * np.bincount(y))

Answer 2

如果A类的频率是10%，B类的频率是90%，那么B类就会成为优势类，你的决策树就会变得偏向优势类

在这种情况下，你可以通过一个dic? {A:9,B:1} 到模型中，以指定每个类的权重，如

clf = tree.DecisionTreeClassifier(class_weight={A:9,B:1})

该 class_weight='balanced' 也可以，只是根据各班频率的比例自动调整权重。

在我使用 class_weight='balanced'，各班级的记录数变得相同（约88923）。