Czy można kontrolować koszt błędnej klasyfikacji w pakiecie R randomForest ?
W mojej własnej pracy fałszywe negatywy (np. Brak pomyłki, że dana osoba może mieć chorobę) są znacznie bardziej kosztowne niż fałszywie pozytywne. Pakiet rpart pozwala użytkownikowi kontrolować koszty błędnej klasyfikacji, określając macierz strat do różnej wagi błędnych klasyfikacji. Czy istnieje coś podobnego randomForest
? Czy powinienem na przykład użyć classwt
opcji kontroli kryterium Giniego?
classwt
: Tak, stwierdziłem, że w praktyce i zgodnie z innymi użytkownikami wyniki nie są zgodne z oczekiwaniami. (iii)cutoff
: Nie jestemcutoff
pewien, jak wykorzystać w tym przypadku i chętnie przyjmę wszelkie dalsze porady.