关于不平衡数据集如何影响分类问题的预测准确性有大量信息。已经提出了几种解决方案（参见此处）。我的问题是：
高度偏斜的目标分布（即当响应变量是连续的而不是分类的）会在回归随机森林中产生类似的问题吗？我试图预测的响应以百分比表示，96% 的观察值为 0。
我正在使用 5 折交叉验证来估计 RMSE 和。这些指标中的任何一个是否受响应分布的影响？
如果偏斜分布是一个问题，我应该如何处理它？
回归随机森林和高度偏斜的响应分布
机器算法验证
交叉验证
预测模型
随机森林
连续数据
2022-04-03 08:11:50
1个回答
有人可能会争辩说，这是一个带有小舍入误差的分类问题，而不是回归设计。RF 通常被称为在处理偏斜问题方面具有弹性，但它并非无敌。在这种情况下，几乎没有任何积极的反应会进入每棵正在生长的小树，或者进入测试它们的 OOB 子集。
无法正确预测您感兴趣的响应可能会反映在整体 r2 中，但是，它不会是最有用的描述符（最容易在 r2 的简单线性回归中可视化，用于零点云之间的关系和一些异常值）。那里列出的解决方案可能仍然适用于缓解问题；但是，我会将设计重新考虑为 1）一个不平衡的分类问题和 2）如果正面响应的子集足够大，则仅在您感兴趣的回归模式中处理正面响应。
其它你可能感兴趣的问题