嗨，这个问题太典型了——当数据集严重不平衡时，模型很容易“躺平”直接预测多数类来刷高准确率，完全忽略了你的正类样本。别担心，咱们从几个方向来调整MATLAB的决策树，让它对正类更敏感：

• 调整损失矩阵，惩罚误判正类
  核心思路是给“把正类误判为负类”设置更高的代价，让模型不敢随便忽略正类。在fitctree里可以通过Cost参数实现：

  % 假设正类标签为1，负类为0
  % 损失矩阵规则：行=真实类别，列=预测类别
  cost_matrix = [0 10; 1 0]; % 正类误判为负类的代价设为10，远高于负类误判的代价
  tree = fitctree(features, labels, 'Cost', cost_matrix);
  

  你可以根据业务需求调整代价数值——如果正类漏判的后果越严重，就把对应的代价调得越高。

• 给少数类加权重，提升其优先级
  通过ClassWeights参数给正类（少数类）赋予更高的权重，让模型在训练时更重视它们的样本：

  num_pos = sum(labels == 1);
  num_neg = sum(labels == 0);
  % 按样本数反比设置权重：正类权重 = 负类样本数/正类样本数
  class_weights = [num_neg/num_pos, 1];
  tree = fitctree(features, labels, 'ClassWeights', class_weights);
  

  你也可以用Prior参数调整先验概率，强制模型认为正类出现的概率更高，效果类似：

  prior_probs = [num_pos/(num_pos+num_neg), num_neg/(num_pos+num_neg)];
  tree = fitctree(features, labels, 'Prior', prior_probs);
  

• 数据集层面的平衡处理
  如果模型层面的调整效果不够，还可以直接调整数据集的分布：

  • 过采样正类：复制正类样本，让其数量接近负类（注意可能导致过拟合）

    pos_idx = labels == 1;
    neg_idx = labels == 0;
    % 复制正类样本14次（350000/25000≈14）
    oversampled_pos = repmat(features(pos_idx,:), 14, 1);
    oversampled_labels = repmat(labels(pos_idx), 14, 1);
    % 合并新数据集
    new_features = [oversampled_pos; features(neg_idx,:)];
    new_labels = [oversampled_labels; labels(neg_idx)];
    tree = fitctree(new_features, new_labels);
    

  • 欠采样负类：随机删除部分负类样本，只保留和正类数量相当的样本（注意可能丢失负类信息）

    neg_idx = labels == 0;
    % 随机选择和正类数量相同的负类样本
    sampled_neg_idx = neg_idx(randperm(sum(neg_idx), sum(labels==1)));
    new_features = [features(labels==1,:); features(sampled_neg_idx,:)];
    new_labels = [labels(labels==1); labels(sampled_neg_idx)];
    tree = fitctree(new_features, new_labels);
    

• 放弃准确率，改用合适的评估指标
  准确率在不平衡数据集里毫无意义！你应该关注召回率（敏感度）、F1分数、ROC-AUC这些指标，它们能更准确反映模型对正类的识别能力：

  [pred_labels, scores] = predict(tree, test_features);
  % 计算混淆矩阵
  conf_mat = confusionmat(test_labels, pred_labels);
  % 正类的召回率（抓到的正类占所有真实正类的比例）
  recall = conf_mat(1,1)/(conf_mat(1,1)+conf_mat(1,2));
  % 计算ROC曲线和AUC
  [roc_obj, auc_score] = rocmetrics(test_labels, scores(:,2), 1);
  plot(roc_obj)
  

• 调整决策树的分裂准则
  默认的基尼指数对不平衡数据不够友好，你可以尝试改用增益率作为分裂准则，配合前面的方法一起使用：

  tree = fitctree(features, labels, 'SplitCriterion', 'gainratio');
  

最后提醒一下：优先尝试损失矩阵和类权重这两个模型层面的调整，它们不需要修改原始数据，风险更低。如果效果还是不理想，再考虑数据集采样的方法。

内容的提问来源于stack exchange，提问作者user3470496