Tidymodels中如何用代价矩阵惩罚少数类错判解决类别不平衡问题

Tidymodels 生态有全场景通用的代价敏感学习实现，不局限于 baguette 包的袋装树模型，常用方案如下：

1. 通用 case weights 方案（适配所有支持权重的模型） #

Tidymodels 原生支持 case weights 机制，可以直接给少数类样本赋予更高的训练权重，等价于自定义代价矩阵的惩罚效果：

• 第一步：在数据集里新增权重列，按你的代价要求设置权重值，比如少数类错判代价是多数类的10倍：

library(tidymodels)
# 假设数据集为df，目标列是y，少数类标签为"1"
df_weighted <- df %>%
  mutate(case_weight = ifelse(y == "1", 10, 1)) %>%
  # 声明权重列类型
  mutate(case_weight = hardhat::importance_weights(case_weight))

• 第二步：工作流中绑定权重，正常训练即可：

# 定义模型（以逻辑回归为例，也可替换为随机森林、XGBoost等任意支持权重的模型）
logreg_spec <- logistic_reg() %>%
  set_engine("glm") %>%
  set_mode("classification")

# 定义工作流
wf <- workflow() %>%
  add_model(logreg_spec) %>%
  add_formula(y ~ .) %>%
  # 指定权重列
  add_case_weights(case_weight)

# 训练
fit <- wf %>% fit(data = df_weighted)

2. 自定义代价损失函数（适配特殊需求） #

如果你的代价矩阵逻辑复杂，或者使用的模型不支持内置权重，可以通过 parsnip 扩展自定义代价敏感损失函数，比如自定义加权交叉熵、自定义SVM hinge损失等，注册后即可像原生模型一样调用。

3. 阈值后调方案（无需修改训练逻辑） #

不需要调整训练过程的轻量方案：

• 先正常训练分类模型，输出样本的预测概率
• 根据你的代价矩阵计算最优分类阈值，替换默认的0.5阈值，比如漏判少数类代价是误判多数类的10倍时，可以将阈值调低到0.1，尽量捕捉少数类样本
• 可以结合 yardstick 包的自定义指标，直接基于代价矩阵计算模型收益，自动搜索最优阈值。

注：你找到的 baguette::class_cost() 确实仅适配袋装树模型，上述三种方案的适配范围覆盖 Tidymodels 全生态的分类模型，更适合通用场景。

内容的提问来源于stack exchange，提问作者O René