我有一个数据集，其中类别是不平衡的。类别是’1’或’0’，类别’1′:’0’的比例为5:1。如何计算每个类别的预测错误，并在sklearn中使用随机森林相应地重新平衡权重，类似于以下链接中的方法： http://www.stat.berkeley.edu/~breiman/RandomForests/cc_home.htm#balance
回答：
您可以将样本权重参数传递给随机森林的fit方法
sample_weight : array-like, shape = [n_samples] or None样本权重。如果为None，则样本权重相等。在搜索每个节点的分割时，会忽略那些会创建子节点净权重为零或负的分割。在分类的情况下，如果分割会导致任何单一类别在任一子节点中携带负权重，也会被忽略。
在旧版本中，有一个preprocessing.balance_weights方法来为给定样本生成平衡权重，使得类别变得均匀分布。它仍然存在于内部的preprocessing._weights模块中，仍然可以使用preprocessing._weights，但已被弃用，将在未来版本中移除。不知道具体原因是什么。
更新
一些澄清，因为您似乎有些困惑。sample_weight的使用很简单，一旦您记住它的目的是平衡训练数据集中的目标类别。也就是说，如果您有X作为观测值，y作为类别（标签），那么len(X) == len(y) == len(sample_wight)，并且sample_weight一维数组的每个元素代表相应的(观测值, 标签)对的权重。对于您的情况，如果类别1的表示是类别0的5倍，并且您要平衡类别分布，您可以使用简单的
sample_weight = np.array([5 if i == 0 else 1 for i in y])为所有0实例分配5的权重，为所有1实例分配1的权重。请参阅上面的链接，了解更巧妙的balance_weights权重评估函数。
