我正在构建一个正在构建的模型，并且遇到了一些来自随机森林的奇怪输出，因为它与响应概率有关。在我的例子中，类分布非常不平衡，我的训练数据中有大约 45000 条记录，只有 300 条是响应者。所以我从无响应者中抽取了一个较小的样本，1000 个，所以我的训练数据总共是 1300 个。这工作得很好，但鉴于我改变了类的分布，输出的预测概率似乎需要以某种方式进行调整。

当我创建一个增益表时，第一个十分位数的预测响应率为 50%，但应该在 2% 左右。我在运行带有所有训练变量的 xgboost 模型时没有这个问题。

我知道在传统的逻辑回归中，如果您采用较小的样本，您可以对类别进行加权，以便它可以相应地调整预测概率。

有没有办法使用随机森林来解决这个问题？