randomForest：如何获得100％ - 精确度？

Question

我有一个约3000正面和1500负面样本，约1000功能的数据集。所有功能都是实数。我想用“randomForest”R包训练一个随机的分类器。

的问题是，我想用100％精度（TP/TP + FP）上训练数据集的分类器。但是，我很难通过调整训练有素的随机森林中的$投票来实现这一目标。

我不知道是否有人有经验或有这样那样的问题的任何想法？如果你有任何线索，请给我一些提示。提前致谢！

我愿意接受任何其他机器学习方法，如果答应我100％的准确率。

Answer 1

如果你一直无法通过修改您的投票率门槛做到这一点，那么你就必须以某种方式修改树木本身。要做到这一点

一种方式是实际训练加权树。不幸的是，我不”有一个指针，现在对于这一点，但是这是类似于什么在Viola/Jones paper here完成（但他们是为了提升。）

（其中第二个想法你看参数：classwt有评论“类的Priors。不需要加起来，忽略回归。”）this page？

一个快速点：假阳性率不等于FP/(FP + TP)。这真的是FP/(FP + TN)或等效FP/"actual negatives"，因为你真的只想考虑有多少误报被检测为实际底片的函数。