RandomForest-sklearn中的分类阈值

1）如何更改sklearn中RandomForest中的分类阈值（我认为默认值为0.5）？

2）如何在sklearn中进行欠采样？

3）我从RandomForest分类器中得到以下结果：[[1635 1297] [520 3624]]

         precision    recall  f1-score   support

class 0       0.76      0.56      0.64      2932
class 1       0.74      0.87      0.80      4144

平均/总计0.75 0.74 0.73 7076

首先，数据是不平衡的（0级为30％，1级为70％）。因此，我认为分类器更倾向于偏向于类别1，这意味着将类别从类别0转移到类别1（类别0的分类错误为1297，类别1的分类错误为520）。我怎样才能解决这个问题？缩减采样是否有帮助？或更改分类阈值？

更新：0级人口占40％，而1级人口占60％。但是，从0级到1级（1297）的漂移很高，而我希望它变低。

您确实可以将随机森林包装到一个类中，该类的predict方法predict_proba仅在其高于自定义阈值时才调用内部随机森林的方法并输出类1。

另外，您可以通过传递sample_weight少数派样本的更高样本来偏向训练算法。