您的问题似乎在“通过 RF++ 分析聚类相关数据的基于随机森林的分类器的内省比较”一文中得到解决，请点击此处。这些作者通过“主题级引导”解决了这个问题。他们编写了自己的软件，但我没有使用过（所以我不能保证），最后一次更新是在 2009 年。我会觉得自己编写引导代码并使用维护良好的随机森林包会更舒服。

如果您想使用 R，您可以编写自己的代码来引导主题级别的采样并replace=FALSE 在 randomForest 函数中设置参数。样本家庭 ID（有替换），然后在每个家庭中包括所有个人。使用该训练数据构建一个 RF，并使用该 RF 来预测来自非抽样家庭的个人的价值。重复整个过程 10 次左右，以便每个人都有几个 RF 预测，并将所有这些组合成一个预测。这似乎是上述论文中采用的一般方法。

您是否考虑过使用 R 包“随机森林”中的 strata 和 sampsize 参数？您可以在分层参数中指定住户。

这是从 randomForest 包的 R 文档中复制的：

strata：用于分层抽样的（因子）变量。

sampsize：要绘制的样本大小。对于分类，如果sampsize是一个长度为层数的向量，那么抽样是按层分层的，sampsize的元素表示要从层中抽取的数量。