在一个医疗诊断的场景中，你使用随机森林模型来预测患者是否患有

选项分析

A 增加每棵树的深度

• ❌ 可能有害：更深树会过度拟合训练数据，如果多数类样本多，模型可能更偏向学习多数类的噪声，对少数类不一定提升。且过深会导致整体过拟合，降低泛化能力。

B 调整每棵树的最小分裂样本数

• 🔄 影响有限：减少 min_samples_split 可能让树对少数类更敏感，但随机森林在不平衡数据下主要问题来自样本分布，单纯调此参数可能不稳定。

C 增加树的数量，并配合使用对稀有类样本过采样的自助采样策略

• ✅ 有效方法之一：

  • 增加树的数量（n_estimators）可以提升模型稳定性。

  • 对稀有类过采样（例如在 bootstrap 时多采样罕见病样本）能增加每棵树看到少数类的机会。

  • 但要注意过采样可能带来过拟合，需结合其他正则化。

D 引入类别权重，平衡罕见病和正常情况的样本权重

• ✅ 更直接有效的方法（实践中常用）：

  • 随机森林的 class_weight='balanced' 或手动设置更高权重给罕见病类，会在计算不纯度（Gini/熵）时考虑类别权重，使分裂更倾向于识别少数类。

  • 这种方式通常比单纯过采样更稳定，且能直接作用于每棵树的分裂准则。

最佳实践建议

在罕见病预测中，D（类别权重） 通常是首选且最直接有效的方法，因为：

1. 它直接修正了损失函数中类别不平衡的影响。

2. 无需修改原始样本分布，避免过采样可能引入的过拟合风险。

3. 可与 C 结合使用（即加权 + 过采样 + 更多树），但单独使用时 D 已足够显著提升召回率（对罕见病的检测能力）。

C 也是有效方法，但过采样需要谨慎调参，且可能不如加权方法鲁棒。

如果题目为单选，从随机森林的标准不平衡处理方式看，D 是最直接、最可靠的调整。

答案：D（若允许多选，则 C 和 D 都合理，但 D 更本质）。