我正在研究具有 977 条记录和 6 个特征的数据集大小的随机森林分类。但是，我的班级不平衡，比例是 77:23

我正在阅读有关模型校准（二元分类）以改进/校准实际拟合模型（在本例中为 RF）的预测概率的信息。

但是，我还发现校准模型必须使用不同的数据集进行拟合。

但问题是，我已经使用了 sklearn 训练和测试拆分——我的训练有 680 条记录，我的测试有 297 条记录（随机森林模型）

现在，我该如何校准我的模型（因为我没有任何新数据）

特别是，当我使用随机森林时，我希望校准我的模型以获得更好的预测概率？

如果您有兴趣查看我的校准曲线和brier score loss，请在下面找到

更新 - 额外的树分类器

更新 - 逻辑回归

更新 - 引导 optimisim