Я использую random forests в проблеме больших данных, которая имеет очень несбалансированный класс ответов, поэтому я прочитал документацию и нашел следующие параметры:
strata
sampsize
Документация по этим параметрам скудна (или мне не повезло найти ее), и я действительно не понимаю, как их реализовать. Я использую следующий код:
randomForest(x=predictors,
y=response,
data=train.data,
mtry=lista.params[1],
ntree=lista.params[2],
na.action=na.omit,
nodesize=lista.params[3],
maxnodes=lista.params[4],
sampsize=c(250000,2000),
do.trace=100,
importance=TRUE)
Ответ - это класс с двумя возможными значениями, первое из которых появляется чаще, чем второе (10000:1 или больше)
list.params
- это список с различными параметрами (да! Я знаю...)
Итак, вопрос (снова): Как я могу использовать параметр 'strata'? Я правильно использую sampsize?
И, наконец, иногда я получаю следующую ошибку:
Error in randomForest.default(x = predictors, y = response, data = train.data, :
Still have fewer than two classes in the in-bag sample after 10 attempts.
Извините, если я задаю так много (и, возможно, глупых) вопросов...