RandomForestClassifier中class_weight参数在不平衡数据集无效果问题排查

核心原因：SMOTE与class_weight重复作用 #

你已经对训练集做了SMOTE过采样，这会让训练集中的正负类样本数量趋于平衡。而class_weight的作用是在类别不平衡的训练集中，给少数类更高的权重来引导模型关注它。现在训练集已经平衡了，权重调整自然不会产生任何效果，模型测试时依然会倾向于多数类的固有分布。

具体解决方案 #

• 二选一：去掉SMOTE或放弃class_weight
  如果想通过class_weight提升少数类召回率，直接使用原始不平衡的训练集训练，不要做SMOTE过采样。可以用class_weight='balanced'让sklearn自动计算权重，比手动设置更准确：

  model = RandomForestClassifier(bootstrap=False, criterion='gini', max_depth=24, max_features='log2', min_samples_leaf=1, min_samples_split=2, n_estimators=200, class_weight='balanced')
  model.fit(X_train, y_train)  # 用原始训练集，不是SMOTE处理后的
  

• 调整决策阈值（适合保留SMOTE的场景）
  如果你想继续用SMOTE处理后的训练集，可以通过降低模型预测的决策阈值来提升少数类召回率。默认阈值是0.5，你可以用predict_proba获取概率，然后自定义阈值：

  y_pred_proba = model.predict_proba(X_test_outliers)[:, 1]
  # 降低阈值，比如设为0.3，让模型更容易预测为正类
  y_pred = (y_pred_proba >= 0.3).astype(int)
  

  这个操作会让更多样本被预测为正类，直接提升少数类的召回率，同时牺牲部分精确率，符合你的预期。

• 检查数据一致性
  确认X_test_outliers和y_test是严格对应的测试集数据，没有出现数据错位、混淆的情况，这会导致评估结果失真。

内容的提问来源于stack exchange，提问作者Raughar