使用 fitctree 训练具有不平衡训练集的更敏感模型

Question

我正在尝试在 MATLAB 中构建决策树以进行二元分类。每个实例都有 4 个功能。正类中大约有 25,000 个实例，负类中大约有 350,000 个实例。

我尝试在分类学习器应用程序和使用 fitctree 中构建分类器，但两者似乎都只是将所有内容都识别为负类。我猜 MATLAB 正在构建树以产生最高的“准确性”。

有没有办法将决策树构建为更敏感的模型？ （即不是“准确度”，我可以使用 fitctree 来构建灵敏度为 70/80/90% 或灵敏度和特异性相似的模型吗？）

Answer 1

两种直接的处理方法是：

• 对少数类进行过采样或对多数类进行欠采样，以创建具有平衡类大小的训练集。既然你有这么多的实例可以玩，我认为欠采样应该没问题，即使用所有正类实例和随机选择的负类实例子集，但如果你的数据较少，那么过采样技术@ 987654321@很受欢迎。
• 使用Prior 参数到fitctree 来指定每个类的先验概率，而不是让fitctree 从类大小中计算它（默认）：

'Prior' — 先验概率
'empirical' (default) | 'uniform' | vector of scalar values | structure

每个的先验概率 类，指定为由'Prior' 和 以下之一。

一个字符向量：'empirical' 确定类概率 Y 中的类频率。如果您通过观察权重，fitctree 使用 计算类概率的权重。 “统一”设置所有 类概率相等。
...

在您的情况下，只需将 'Prior', 'uniform' 添加到 fitctree 的参数即可。

无论您选择哪个选项，请记住，您用于评估分类器性能的测试集应该具有正负类的真实分布（或者，您期望在真实数据中遇到的分布）。