最小化多类随机森林模型（tidymodels）中的某个类错误

Question

（请注意，我还没有可重现的示例，但我正在研究它）。

我使用 tidymodel 框架训练了一个随机森林模型。我的结果是一个包含三个类别的类别变量。

现在，在查看预测类和实际类之间的混淆矩阵时，我注意到有一个单元格，其中类错误特别高：

示例表：

# A tibble: 3 x 4
  predicted_class actual_class_1 actual_class_2 actual_class_3
  <chr>                    <int>          <int>          <int>
1 1                          260             77             20
2 2                          109            460             84
3 3                           52             99            781

我特别担心/感兴趣的是模型预测第 2 类的第 1 类不匹配（即 N=109 个案例，占第 1 类的 26%）。

现在，我的问题是：有没有办法设置随机森林模型以优化某个类错误，试图减少 26% 的不匹配？

我可以想象的一种天真的方法是在分配第 1 类和第 2 类时使用不同的概率阈值，但我希望有一种更具防御性/模型固有的方法。

有什么想法吗？

Answer 1

ranger::ranger() 有一个名为 class.weights 的参数，randomForest::randomForest() 有 classwt。两者都是数字向量。

这些可让您在树结构中优先考虑（或取消优先级）特定类。

您可以将这些向量参数传递给set_engine()。我们没有优化它们的工具（目前 - 可能只是二元结果），但您可以使用工作流集来评估不同的策略。