如何减少误报的数量？

我正在尝试解决名为“ 行人检测”的任务，并且在两个类别的积极因素（人，负面因素）的背景上训练二进制clasifer。

我有数据集：

• 正数= 3752
• 负数= 3800

我使用 带有参数的train \ test split 80 \ 20％和RandomForestClassifier形式scikit-learn：

RandomForestClassifier(n_estimators=100, max_depth=50, n_jobs= -1)

我得到分数：95.896757％

测试训练数据（完美运行）：

true positive:  3005
false positive:  0
false negative:  0
true negative:  3036

对测试数据进行测试：

true positive:  742
false positive:  57
false negative:  5
true negative:  707

我的问题是如何减少误报（背景分类为人）的数量？另外，为什么我的误报错误多于误报错误？

我尝试使用class_weight参数，但有时性能会下降（如class_weight = {0：1,1：4}所示）。

class_weight= {0:1,1:1}
true positive:  3005
false positive:  0
false negative:  0
true negative:  3036

true positive:  742
false positive:  55
false negative:  5
true negative:  709
score: 96.029120 %

class_weight= {0:1,1:2}
true positive:  3005
false positive:  0
false negative:  0
true negative:  3036

true positive:  741
false positive:  45
false negative:  6
true negative:  719
score: 96.624752 %

class_weight= {0:1,1:3}
true positive:  3005
false positive:  0
false negative:  0
true negative:  3036

true positive:  738
false positive:  44
false negative:  9
true negative:  720
score: 96.492389 %

class_weight= {0:1,1:4}
true positive:  3005
false positive:  13
false negative:  0
true negative:  3023

true positive:  735
false positive:  46
false negative:  12
true negative:  718
score: 96.161482 %

class_weight= {0:1,1:5}
true positive:  3005
false positive:  31
false negative:  0
true negative:  3005

true positive:  737
false positive:  48
false negative:  10
true negative:  716
score: 96.161482 %

class_weight= {0:1,1:6}
true positive:  3005
false positive:  56
false negative:  0
true negative:  2980

true positive:  736
false positive:  51
false negative:  11
true negative:  713
score: 95.896757 %

class_weight= {0:1,1:7}
true positive:  3005
false positive:  87
false negative:  0
true negative:  2949

true positive:  734
false positive:  59
false negative:  13
true negative:  705
score: 95.234944 %

另外值得注意的是，RandomForest似乎没有遭受不平衡数据集的困扰：

pos = 3752 neg = 10100

class_weight = {0：1,1：1}真肯定：3007假肯定：0假否定：0真否定：8074

true positive:  729
false positive:  71
false negative:  16
true negative:  1955
score: 96.860339 %

class_weight= {0:1,1:2}
true positive:  3007
false positive:  0
false negative:  0
true negative:  8074

true positive:  728
false positive:  59
false negative:  17
true negative:  1967
score: 97.257308 %

class_weight= {0:1,1:3}
true positive:  3007
false positive:  0
false negative:  0
true negative:  8074

true positive:  727
false positive:  58
false negative:  18
true negative:  1968
score: 97.257308 %

在随机森林方面，我不是专家，我最近才读过它们。但是从我的角度看，您正在过度适应随机森林。我要做的是使用您使用袋外观测进行预测的技术。您可以在以下幻灯片上找到该过程：https : //lagunita.stanford.edu/c4x/HumanitiesScience/StatLearning/asset/trees.pdf

在这些幻灯片中，我还建议我提到另一件事，本节中也提到了梯度提升机（GBM）。我觉得GBM比随机森林更直观。

Edit1：我再次检查了一下，看来引导是GBM的第一步。另外，我本身也没有引导的问题，这很好，也很好。唯一的问题是它可能被非常糟糕地使用。