การถ่วงน้ำหนักข้อมูลล่าสุดในโมเดล Random Forest

ฉันกำลังฝึกรูปแบบการจัดหมวดหมู่กับ Random Forest เพื่อแยกแยะระหว่าง 6 หมวดหมู่ ข้อมูลธุรกรรมของฉันมีการสังเกตประมาณ 60k + และตัวแปร 35 ตัว นี่คือตัวอย่างของลักษณะโดยประมาณ

 _________________________________________________
|user_id|acquisition_date|x_var_1|x_var_2| y_vay  |
|-------|----------------|-------|-------|--------|
|111    | 2013-04-01     | 12    | US    | group1 |
|222    | 2013-04-12     | 6     | PNG   | group1 |
|333    | 2013-05-05     | 30    | DE    | group2 |
|444    | 2013-05-10     | 78    | US    | group3 |
|555    | 2013-06-15     | 15    | BR    | group1 |
|666    | 2013-06-15     | 237   | FR    | group6 |

เมื่อแบบจำลองถูกสร้างขึ้นฉันต้องการให้คะแนนการสังเกตจากสองสามสัปดาห์ที่ผ่านมา เนื่องจากมีการเปลี่ยนแปลงระบบการสังเกตล่าสุดจะคล้ายกับสภาพแวดล้อมของการสังเกตการณ์ปัจจุบันที่ฉันต้องการคาดการณ์มากขึ้น ดังนั้นฉันต้องการสร้างตัวแปรน้ำหนักเพื่อให้ป่าสุ่มให้ความสำคัญกับการสังเกตการณ์ล่าสุด

ไม่มีใครรู้ว่าแพคเกจสุ่มป่าไม้ใน R สามารถจัดการน้ำหนักต่อการสังเกต?

นอกจากนี้คุณสามารถช่วยแนะนำวิธีที่ดีในการสร้างตัวแปรน้ำหนักได้อย่างไร? ตัวอย่างเช่นเนื่องจากข้อมูลของฉันมาจากปี 2013 ฉันคิดว่าฉันสามารถใช้หมายเลขเดือนจากวันที่เป็นน้ำหนักได้ ไม่มีใครเห็นปัญหากับวิธีนี้หรือไม่?

ขอบคุณมากล่วงหน้า!

rangerแพคเกจใน R ( ไฟล์ PDF ) ซึ่งเป็นเรื่องค่อนข้างใหม่จะทำเช่นนี้ การบังคับใช้แรนเจอร์ของป่าสุ่มมีcase.weightsอาร์กิวเมนต์ที่ใช้เวกเตอร์ที่มีน้ำหนักตัวพิมพ์ / กล่อง

คุณสามารถสุ่มตัวอย่างข้อมูลอีกครั้งเพื่อแสดงถึงจุดข้อมูลล่าสุด Rf เกี่ยวข้องกับขั้นตอน sampel-with-replacment ต่อไปและ "การบรรจุถุงอย่างสมดุล" สำหรับชั้นเรียนที่ไม่สมดุลใช้การสุ่มตัวอย่างเพื่อแสดงชั้นของชนกลุ่มน้อยมากและให้ผลลัพธ์ที่ดีหรือดีกว่าป่าสุ่มถ่วงน้ำหนักระดับในประสบการณ์ของฉัน

คุณสามารถลองใหม่อีกครั้งที่ระดับของการสร้างเมทริกซ์การฝึกอบรมของคุณ ( อ้างอิง ) แทนระหว่างการบรรจุถุงเพื่อให้การใช้งานง่ายขึ้นแม้ว่าฉันจะแนะนำให้ทำซ้ำหลายครั้งในกรณีนั้น

การนำป่าสุ่มไปใช้ภายในประเทศรวมถึงการเรียนรู้ scikit ใช้น้ำหนักตัวอย่างเพื่อติดตามจำนวนตัวอย่างแต่ละครั้งที่อยู่ในถุงและควรเทียบเท่ากับการ oversampling ในระดับการบรรจุและใกล้เคียงกับการ oversampling ในระดับการฝึกอบรม

คุณควรตรวจสอบพารามิเตอร์ "classwt" ดูเหมือนจะไม่ใช่สิ่งที่คุณสนใจโดยตรง แต่อาจให้ความรู้สึกถึงสิ่งที่คุณต้องการทำ

ดูที่นี่: คำถาม Stack Exchange # 1

และที่นี่: คำถาม Stack Exchange # 2

บทความเกี่ยวกับป่าไม้แบบถ่วงน้ำหนัก: PDF

แนวคิดพื้นฐานคือคลาสน้ำหนักซึ่งกลุ่ม / การจำแนกที่สังเกตได้ไม่ค่อยมีแนวโน้มที่จะถูกเลือกในตัวอย่างบูตสแตรปของคุณ สิ่งนี้มีประโยชน์สำหรับข้อมูลที่ไม่สมดุล (เมื่อความน่าจะเป็นก่อนหน้าของคลาสที่ต่างกันมีความแตกต่างกันอย่างกว้างขวาง)

ดูเหมือนว่าคุณต้องการทำสิ่งที่คล้ายกัน แต่สำหรับเหตุการณ์ล่าสุด (ไม่ใช่สำหรับบางกลุ่ม / การจำแนก) วิธีง่ายๆในการทำเช่นนี้คือการสร้างการสังเกตซ้ำ (เช่นใส่ในแถวที่ซ้ำกันซ้ำ ๆ กัน) สำหรับการสังเกตล่าสุด อย่างไรก็ตามสิ่งนี้อาจไม่มีประสิทธิภาพ ฉันไม่รู้วิธีถ่วงน้ำหนักการสังเกตแต่ละครั้งใน R โดยตรง แต่ฉันไม่รู้ตัว

คุณสามารถลองดูการใช้งานทางเลือกเช่นใน C - ที่เลวร้ายที่สุดสิ่งเหล่านี้สามารถปรับแต่งได้ด้วยการเข้ารหัสเล็กน้อย