注意：这篇文章相当古老，可能不正确。仅将其用作起点，而不是权威答案。

随机森林模型建立在决策树之上，决策树对类不平衡很敏感。每棵树都建立在一个“袋子”上，每个袋子都是来自数据的均匀随机样本（有放回）。因此，每棵树都会因类别不平衡而偏向相同的方向和幅度（平均而言）。

然而，有几种技术可以减轻分类任务中的不平衡。

其中一些是通用的，适用于各种情况。搜索unbalanced-classes此 SE 网站上的class-imbalance标签，以及Data Science SE 网站上的标签。

此外，随机森林至少适用于两种类权重。第一种技术是加权树分裂标准（有关其工作原理的信息，请参阅https://datascience.stackexchange.com/a/56260/1156）。另一种技术是在自举采样过程中对数据点进行过采样或欠采样。

在 Python 中，加权树分裂是在Scikit-learn类中实现的RandomForestClassifier，作为class_weight参数。加权引导采样在Imbalanced-learn类中实现BalancedRandomForestClassifier。请注意，Imbalanced-learnBalancedRandomForestClassifier也支持与class_weightScikit-learn 相同的参数RandomForestClassifier。

在 R 中，这两种技术都在Ranger中实现，在 mainranger函数中，作为class.weights、case.weights和sample.fraction参数。有关使用示例，请参见https://stats.stackexchange.com/a/287849/36229 ；关于同一问题的其他答案中也有有用的信息。

显然，在类不平衡的每个极端情况下，您可能需要调整最小节点大小或其他“详细”参数以使模型完全正常工作。参见，例如https://stackoverflow.com/a/8704882/2954547。

仅当您还存在误分类成本不平衡时，不平衡类才是一个问题。如果有少数少数类，并且将它们归类为多数类并不比反之更昂贵，那么合理的做法是允许对少数类进行错误分类。

所以让我们假设你有阶级和成本不平衡。有多种方法可以解决这个问题。Max Kuhn 的书“应用预测建模”在第 16 章中有一个很好的概述。这些补救措施包括使用 0.5 以外的截止值，这反映了不平等的成本。只要您的分类器输出标签概率（树和森林这样做），这在二元分类中很容易做到。我还没有研究过多个课程。您还可以对少数类进行过采样以赋予其更大的权重。