Random Forest с классами, которые очень несбалансированы

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...