如何在Orange中使用随机森林分类器的样本权重？

Question

我想训练一个非常不平衡的数据集上的随机森林分类器2类（良性恶性）。

我已经看过并遵循上一个问题（How to set up and use sample weight in the Orange python package?）的代码，并尝试为少数类数据实例设置各种更高的权重，但是我得到的分类器工作方式完全相同。

我的代码：

data = Orange.data.Table(filename) 
st = Orange.classification.tree.SimpleTreeLearner(min_instances=3) 
forest = Orange.ensemble.forest.RandomForestLearner(learner=st, trees=40, name="forest") 
weight = Orange.feature.Continuous("weight") 
weight_id = -10 
data.domain.add_meta(weight_id, weight) 
data.add_meta_attribute(weight, 1.0) 
for inst in data: 
    if inst[data.domain.class_var]=='malign': 
     inst[weight]=100 
classifier = forest(data, weight_id) 

我缺少的东西？

Answer 1

简单树型学习器很简单：它针对速度进行了优化，并且不支持权重。我想如果指定weight参数，那么在Orange中学习不支持weight的算法会引发异常。

如果您只是需要它们来更改类分布，请改为乘数据实例。创建一个新的数据表并添加每个恶性肿瘤实例的100个副本。