R randomForest에서 교체를 통한 샘플링

randomForest 구현은 대체로 샘플링 할 때도 관측치 수를 넘어서 샘플링을 허용하지 않습니다. 왜 이런거야?

잘 작동합니다.

rf <- randomForest(Species ~ ., iris, sampsize=c(1, 1, 1), replace=TRUE)
rf <- randomForest(Species ~ ., iris, sampsize=3, replace=TRUE)

내가하고 싶은 것 :

rf <- randomForest(Species ~ ., iris, sampsize=c(51, 1, 1), replace=TRUE)
Error in randomForest.default(m, y, ...) : 
  sampsize can not be larger than class frequency

계층화 된 샘플이없는 유사한 오류 :

rf <- randomForest(Species ~ ., iris, sampsize=151, replace=TRUE)
Error in randomForest.default(m, y, ...) : sampsize too large

두 경우 모두 replace = TRUE가 주어질 때 부트 스트랩 샘플을 가져 오는 방법을 기대했기 때문에이 한계를 기대하지 않았습니다.

저의 목표는 비교적 희귀 한 클래스에서 충분히 큰 샘플을 추출하기 위해 이것을 계층화 된 샘플링 옵션과 함께 사용하는 것입니다.

이것은 왜 대답하지 않지만이 문제를 해결하기 위해 훈련 데이터에서 희귀 한 클래스의 데이터를 복제하고 결과의 계층화 된 샘플을 가져올 수 있습니다.

"자연적인"오버 샘플링과 비교하여이 접근 방식의 두 가지 단점 :

• 가방 밖 견적은 더 이상 의미가 없습니다
• 객체를 저장하고 임의의 샘플을 채취하려면 더 많은 리소스가 필요합니다

그러나 원하는 클래스 비율로 숲을 만들 수 있습니다.

나는 똑같은 질문을 가지고 있으며 randomForest 에 대한 변경 로그 에서 이것을 발견했습니다 .

4.1-0의 변경 사항 :

• randomForest ()에서, sampsize가 주어지면, 샘플링은 클래스별로 계층화되는 것 외에도 교체없이 수행됩니다. 따라서 sampsize는 클래스 주파수보다 클 수 없습니다.

replace = TRUE를 수동으로 설정해도이를 무시하지 않는 것 같습니다.